squeezenet1_0

torchvision.models.squeezenet1_0(*, weights: Optional[SqueezeNet1_0_Weights] = None, progress: bool = True, **kwargs: Any) → SqueezeNet

SqueezeNet 模型架構，出自論文 SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size。

引數:

• weights (SqueezeNet1_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，請參閱下方的 SqueezeNet1_0_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。預設值為 True。

• **kwargs – 傳遞給 torchvision.models.squeezenet.SqueezeNet 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.SqueezeNet1_0_Weights(value)

上述模型構建器接受以下值作為 weights 引數。SqueezeNet1_0_Weights.DEFAULT 等同於 SqueezeNet1_0_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

SqueezeNet1_0_Weights.IMAGENET1K_V1:

這些權重使用簡單的訓練配方，能夠很好地復現論文中的結果。也可透過 SqueezeNet1_0_Weights.DEFAULT 訪問。

acc@1 (在 ImageNet-1K 上)	58.092
acc@5 (在 ImageNet-1K 上)	80.42
類別	丁鯛, 金魚, 大白鯊, ... (省略 997 個)
訓練配方	連結
最小尺寸	高=21, 寬=21
引數數量	1248424
GFLOPS	0.82
檔案大小	4.8 MB

推理變換可透過 SqueezeNet1_0_Weights.IMAGENET1K_V1.transforms 獲取，並執行以下預處理操作：接受 PIL.Image 物件、批次 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 方法調整大小至 resize_size=[256]，然後進行中心裁剪至 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。