shufflenet_v2_x0_5

torchvision.models.shufflenet_v2_x0_5(*, weights: Optional[ShuffleNet_V2_X0_5_Weights] = None, progress: bool = True, **kwargs: Any) → ShuffleNetV2

構建一個具有 0.5 倍輸出通道的 ShuffleNetV2 架構，如ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 中所述。

引數:

• weights (ShuffleNet_V2_X0_5_Weights, 可選) – 要使用的預訓練權重。有關更多詳細資訊和可能的值，請參閱下方的 ShuffleNet_V2_X0_5_Weights。預設情況下，不使用預訓練權重。

• progress (bool, 可選) – 如果為 True，則在 stderr 中顯示下載進度條。預設為 True。

• **kwargs – 傳遞給 torchvision.models.shufflenetv2.ShuffleNetV2 基類的引數。有關此類別的更多詳細資訊，請參閱原始碼。

class torchvision.models.ShuffleNet_V2_X0_5_Weights(value)

上述模型構建器接受以下值作為 weights 引數。 ShuffleNet_V2_X0_5_Weights.DEFAULT 等同於 ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1:

這些權重是根據論文結果從頭訓練的，以儘可能重現其結果。也可作為 ShuffleNet_V2_X0_5_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	60.552
acc@5 (在 ImageNet-1K 上)	81.746
最小尺寸	height=1, width=1
類別	丁鱥，金魚，大白鯊，… (省略 997 項)
訓練方法	連結
引數數量	1366792
GFLOPS	0.04
檔案大小	5.3 MB

推理轉換器可透過 ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1.transforms 獲取，並執行以下預處理操作：接受 PIL.Image、批處理 (B, C, H, W) 和單張 (C, H, W) 影像的 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 將尺寸調整為 resize_size=[256]，然後進行中心裁剪，裁剪尺寸為 crop_size=[224]。最後，值首先被縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行歸一化。