mnasnet0_75

torchvision.models.mnasnet0_75(*, weights: Optional[MNASNet0_75_Weights] = None, progress: bool = True, **kwargs: Any) → MNASNet

MNASNet，深度乘數為 0.75，來自MnasNet：適用於行動裝置的平台感知神經架構搜尋論文。

參數:

• weights (MNASNet0_75_Weights, optional) – 要使用的預先訓練權重。 有關更多詳細資訊和可能的值，請參閱下方的MNASNet0_75_Weights。 預設情況下，不使用預先訓練的權重。

• progress (bool, optional) – 如果為 True，則會顯示下載到 stderr 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_75_Weights(value)

上面的模型建構器接受以下值作為 weights 參數。MNASNet0_75_Weights.DEFAULT 等同於 MNASNet0_75_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

MNASNet0_75_Weights.IMAGENET1K_V1:

這些權重是使用 TorchVision 的新訓練方法從頭開始訓練的。也可作為 MNASNet0_75_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	71.18
acc@5 (在 ImageNet-1K 上)	90.496
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 個)
recipe	link
num_params	3170208
GFLOPS	0.21
File size	12.3 MB

推論轉換可在 MNASNet0_75_Weights.IMAGENET1K_V1.transforms 中找到，並執行以下預處理操作：接受 PIL.Image、批次的 (B, C, H, W) 和單個 (C, H, W) 圖像 torch.Tensor 物件。圖像使用 interpolation=InterpolationMode.BILINEAR 調整大小至 resize_size=[232]，然後進行 crop_size=[224] 的中心裁剪。最後，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。