shufflenet_v2_x1_0

torchvision.models.shufflenet_v2_x1_0(*, weights: Optional[ShuffleNet_V2_X1_0_Weights] = None, progress: bool = True, **kwargs: Any) → ShuffleNetV2

構建一個具有 1.0 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_X1_0_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，請參見下方的 ShuffleNet_V2_X1_0_Weights。預設情況下不使用預訓練權重。

• progress (bool, 可選) – 如果為 True，則向 stderr 顯示下載進度條。預設值為 True。

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

class torchvision.models.ShuffleNet_V2_X1_0_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。ShuffleNet_V2_X1_0_Weights.DEFAULT 等同於 ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1:

這些權重是從頭開始訓練的，以便儘可能地復現論文中的結果。也可透過 ShuffleNet_V2_X1_0_Weights.DEFAULT 獲取。

acc@1（在 ImageNet-1K 上）	69.362
acc@5（在 ImageNet-1K 上）	88.316
最小尺寸	height=1, width=1
類別	丁鱥, 金魚, 大白鯊, ... (省略 997 項)
Recipe	連結
引數數量	2278604
GFLOPS	0.14
檔案大小	8.8 MB

推理變換可透過 ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1.transforms 獲取，並執行以下預處理操作：接受 PIL.Image、批處理的 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BILINEAR 將影像大小調整為 resize_size=[256]，然後進行中心裁剪，裁剪大小為 crop_size=[224]。最後，先將值重新縮放到 [0.0, 1.0] 範圍，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行歸一化。