squeezenet1_1

torchvision.models.squeezenet1_1(*, weights: Optional[SqueezeNet1_1_Weights] = None, progress: bool = True, **kwargs: Any) → SqueezeNet

來自官方 SqueezeNet 倉庫的 SqueezeNet 1.1 模型。

與 SqueezeNet 1.0 相比，SqueezeNet 1.1 的計算量減少了 2.4 倍，引數略少，同時沒有犧牲準確性。

引數:

• weights (SqueezeNet1_1_Weights, 可選) – 要使用的預訓練權重。更多詳情和可能的值，請參閱下方的 SqueezeNet1_1_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 顯示下載進度條。預設為 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_1_Weights(value)

上述模型構建器接受以下值作為 weights 引數。SqueezeNet1_1_Weights.DEFAULT 等效於 SqueezeNet1_1_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

SqueezeNet1_1_Weights.IMAGENET1K_V1:

這些權重透過一個簡單的訓練配方，能夠很好地復現論文中的結果。也可透過 SqueezeNet1_1_Weights.DEFAULT 獲取。

acc@1（在 ImageNet-1K 上）	58.178
acc@5（在 ImageNet-1K 上）	80.624
類別	丁鯛，金魚，大白鯊，… (省略 997 個)
配方	連結
最小尺寸	height=17, width=17
引數數量	1235496
GFLOPS	0.35
檔案大小	4.7 MB

推理轉換可在 SqueezeNet1_1_Weights.IMAGENET1K_V1.transforms 中找到，並執行以下預處理操作：接受 PIL.Image、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 調整大小至 resize_size=[256]，然後進行 crop_size=[224] 的中心裁剪。最後，值首先被重新縮放至 [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。