mnasnet1_3

torchvision.models.mnasnet1_3(*, weights: Optional[MNASNet1_3_Weights] = None, progress: bool = True, **kwargs: Any) → MNASNet

深度乘數為 1.3 的 MNASNet，出自 MnasNet：適用於行動裝置平台的感知型神經網路架構搜尋 論文。

參數:

• weights (MNASNet1_3_Weights, 選用) – 要使用的預先訓練權重。請參閱下方的 MNASNet1_3_Weights 以瞭解更多詳細資訊和可能的值。預設情況下，不使用預先訓練的權重。

• progress (bool, 選用) – 若為 True，則在 stderr 上顯示下載進度列。預設值為 True。

• **kwargs – 傳遞至 torchvision.models.mnasnet.MNASNet 基礎類別的參數。關於此類別的更多詳細資訊，請參閱原始碼。

class torchvision.models.MNASNet1_3_Weights(value)

上方的模型建構器接受以下值作為 weights 參數。MNASNet1_3_Weights.DEFAULT 等同於 MNASNet1_3_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

MNASNet1_3_Weights.IMAGENET1K_V1:

這些權重是從頭開始使用 TorchVision 的新訓練配方訓練而得。也可作為 MNASNet1_3_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	76.506
acc@5 (在 ImageNet-1K 上)	93.522
min_size	height=1, width=1
類別	丁魚、金魚、大白鯊，… (省略 997 個)
配方	連結
num_params	6282256
GFLOPS	0.53
檔案大小	24.2 MB

推論轉換可在 MNASNet1_3_Weights.IMAGENET1K_V1.transforms 中取得，並執行以下預處理操作：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=[232]，然後進行中心裁剪 crop_size=[224]。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。