resnext101_64x4d

torchvision.models.quantization.resnext101_64x4d(*, weights: Optional[Union[ResNeXt101_64X4D_QuantizedWeights, ResNeXt101_64X4D_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableResNet

來自 Aggregated Residual Transformation for Deep Neural Networks 的 ResNeXt-101 64x4d 模型

注意

請注意，quantize = True 會回傳具有 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 (ResNeXt101_64X4D_QuantizedWeights 或 ResNeXt101_64X4D_Weights, 選用) – 模型的預訓練權重。請參閱下方的 ResNet101_64X4D_QuantizedWeights 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。

• quantize (bool, 選用) – 若為 True，則回傳模型的量化版本。預設值為 False。

• **kwargs – 傳遞至 torchvision.models.quantization.QuantizableResNet 基礎類別的參數。請參閱 原始碼 以取得關於此類別的更多詳細資訊。

class torchvision.models.quantization.ResNeXt101_64X4D_QuantizedWeights(value)

上述模型建構器接受以下值作為 weights 參數。ResNeXt101_64X4D_QuantizedWeights.DEFAULT 等同於 ResNeXt101_64X4D_QuantizedWeights.IMAGENET1K_FBGEMM_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_FBGEMM_V1'。

ResNeXt101_64X4D_QuantizedWeights.IMAGENET1K_FBGEMM_V1:

這些權重是透過在下方列出的未量化權重之上執行訓練後量化（eager 模式）而產生的。也以 ResNeXt101_64X4D_QuantizedWeights.DEFAULT 提供。

acc@1 (在 ImageNet-1K 上)	82.898
acc@5 (在 ImageNet-1K 上)	96.326
min_size	height=1, width=1
類別	丁鯛, 金魚, 大白鯊, … (省略 997 個)
後端	fbgemm
配方	連結
num_params	83455272
未量化	ResNeXt101_64X4D_Weights.IMAGENET1K_V1
GIPS	15.46
檔案大小	81.6 MB

推論轉換可在 ResNeXt101_64X4D_QuantizedWeights.IMAGENET1K_FBGEMM_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]，然後進行中心裁剪至 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。

class torchvision.models.ResNeXt101_64X4D_Weights(value)

上述模型建構器接受以下值作為 weights 參數。ResNeXt101_64X4D_Weights.DEFAULT 等同於 ResNeXt101_64X4D_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ResNeXt101_64X4D_Weights.IMAGENET1K_V1:

這些權重是透過使用 TorchVision 的新訓練配方從頭開始訓練的。也以 ResNeXt101_64X4D_Weights.DEFAULT 提供。

acc@1 (在 ImageNet-1K 上)	83.246
acc@5 (在 ImageNet-1K 上)	96.454
min_size	height=1, width=1
類別	丁鯛, 金魚, 大白鯊, … (省略 997 個)
num_params	83455272
配方	連結
GFLOPS	15.46
檔案大小	319.3 MB

推論轉換可在 ResNeXt101_64X4D_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]，然後進行中心裁剪至 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。