mnasnet0_5

torchvision.models.mnasnet0_5(*, weights: Optional[MNASNet0_5_Weights] = None, progress: bool = True, **kwargs: Any) → MNASNet

具有深度乘數 0.5 的 MNASNet，來自 MnasNet: Platform-Aware Neural Architecture Search for Mobile 論文。

參數:

• weights (MNASNet0_5_Weights, optional) – 要使用的預訓練權重。 有關更多詳細資訊和可能的值，請參閱下面的 MNASNet0_5_Weights。 預設情況下，不使用任何預先訓練的權重。

• progress (bool, optional) – 如果為 True，則在 stderr 顯示下載的進度列。 預設值為 True。

• **kwargs – 傳遞到 torchvision.models.mnasnet.MNASNet 基底類別的參數。 有關此類別的更多詳細資訊，請參閱 原始碼。

class torchvision.models.MNASNet0_5_Weights(value)

上面的模型建構器接受以下值作為 weights 參數。 MNASNet0_5_Weights.DEFAULT 等同於 MNASNet0_5_Weights.IMAGENET1K_V1。 您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

MNASNet0_5_Weights.IMAGENET1K_V1:

這些權重密切重現了論文的結果。 也可用作 MNASNet0_5_Weights.DEFAULT。

acc@1 (on ImageNet-1K)	67.734
acc@5 (on ImageNet-1K)	87.49
min_size	高度=1，寬度=1
分類	丁鱥, 金魚, 大白鯊, … (省略997個)
配方	連結
參數數量	2218512
GFLOPS	0.10
檔案大小	8.6 MB

推論轉換可在 MNASNet0_5_Weights.IMAGENET1K_V1.transforms 中取得，並執行以下預處理操作：接受 PIL.Image、批次化 (B, C, H, W) 和單一 (C, H, W) 圖片 torch.Tensor 物件。圖片使用 interpolation=InterpolationMode.BILINEAR 調整大小為 resize_size=[256]，然後進行 crop_size=[224] 的中心裁剪。 最後，數值首先重新縮放至 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行正規化。