resnet18

torchvision.models.quantization.resnet18(*, weights: Optional[Union[ResNet18_QuantizedWeights, ResNet18_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableResNet

來自 Deep Residual Learning for Image Recognition 的 ResNet-18 模型

注意

請注意，quantize = True 會傳回具有 8 位元權重的量化模型。量化模型僅支援推論並在 CPU 上執行。目前尚不支援 GPU 推論。

參數:

• weights ( ResNet18_QuantizedWeights 或 ResNet18_Weights, 可選) – 模型的預訓練權重。詳情請參閱下方的 ResNet18_QuantizedWeights，以及可能的值。預設情況下，不使用任何預訓練權重。

• progress (bool, 可選) – 如果為 True，則在 stderr 中顯示下載進度條。預設值為 True。

• quantize (bool, 可選) – 如果為 True，則傳回模型的量化版本。預設值為 False。

• **kwargs – 傳遞給 torchvision.models.quantization.QuantizableResNet 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.quantization.ResNet18_QuantizedWeights(value)

上面的模型建構器接受以下值作為 weights 參數。ResNet18_QuantizedWeights.DEFAULT 等同於 ResNet18_QuantizedWeights.IMAGENET1K_FBGEMM_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_FBGEMM_V1'。

ResNet18_QuantizedWeights.IMAGENET1K_FBGEMM_V1:

這些權重是透過對下方列出的未量化權重進行訓練後量化（eager 模式）而產生的。也可以使用 ResNet18_QuantizedWeights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	69.494
acc@5 (在 ImageNet-1K 上)	88.882
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 個)
backend	fbgemm
recipe	link
num_params	11689512
unquantized	ResNet18_Weights.IMAGENET1K_V1
GIPS	1.81
File size	11.2 MB

推論轉換可在 ResNet18_QuantizedWeights.IMAGENET1K_FBGEMM_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。 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，這些值會先重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行標準化。

class torchvision.models.ResNet18_Weights(value)

上面的模型建構器接受以下值作為 weights 參數。ResNet18_Weights.DEFAULT 等同於 ResNet18_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ResNet18_Weights.IMAGENET1K_V1:

這些權重使用簡單的訓練方法，可以非常接近地重現論文的結果。也可以使用 ResNet18_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	69.758
acc@5 (在 ImageNet-1K 上)	89.078
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 個)
num_params	11689512
recipe	link
GFLOPS	1.81
File size	44.7 MB

推論轉換可在 ResNet18_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。 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，這些值會先重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行標準化。