mnasnet1_0

torchvision.models.mnasnet1_0(*, weights: Optional[MNASNet1_0_Weights] = None, progress: bool = True, **kwargs: Any) → MNASNet

深度乘數為 1.0 的 MNASNet，出自 MnasNet: Platform-Aware Neural Architecture Search for Mobile 論文。

參數:

• weights (MNASNet1_0_Weights, 選用) – 要使用的預訓練權重。請參閱下方的 MNASNet1_0_Weights 以取得更多詳細資訊和可能的值。預設情況下，不使用預訓練權重。

• progress (bool, 選用) – 若為 True，則將下載進度條顯示至 stderr。預設值為 True。

• **kwargs – 傳遞至 torchvision.models.mnasnet.MNASNet 基底類別的參數。關於此類別的更多詳細資訊，請參閱 原始程式碼。

class torchvision.models.MNASNet1_0_Weights(value)

上述模型建構器接受下列值作為 weights 參數。MNASNet1_0_Weights.DEFAULT 等同於 MNASNet1_0_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

MNASNet1_0_Weights.IMAGENET1K_V1:

這些權重能高度重現論文的結果。也以 MNASNet1_0_Weights.DEFAULT 提供。

acc@1 (在 ImageNet-1K 上)	73.456
acc@5 (在 ImageNet-1K 上)	91.51
min_size	height=1, width=1
類別	丁鲷, 金魚, 大白鯊, … (省略 997 個)
食譜	連結
num_params	4383312
GFLOPS	0.31
檔案大小	16.9 MB

推論轉換可在 MNASNet1_0_Weights.IMAGENET1K_V1.transforms 中取得，並執行下列預處理操作： 接受 PIL.Image、批次 (B, C, H, W) 和單張 (C, H, W) 影像 torch.Tensor 物件。影像會使用 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，值會先重新縮放至 [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。