shufflenet_v2_x0_5

torchvision.models.quantization.shufflenet_v2_x0_5(*, weights: Optional[Union[ShuffleNet_V2_X0_5_QuantizedWeights, ShuffleNet_V2_X0_5_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableShuffleNetV2

建構一個輸出通道為 0.5 倍的 ShuffleNetV2，如 ShuffleNet V2：高效 CNN 架構設計的實用指南 中所述。

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 (ShuffleNet_V2_X0_5_QuantizedWeights 或 ShuffleNet_V2_X0_5_Weights, 選用) – 模型的預訓練權重。請參閱下方的 ShuffleNet_V2_X0_5_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，則在 stderr 中顯示下載進度條。預設值為 True。

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

• **kwargs – 傳遞至 torchvision.models.quantization.ShuffleNet_V2_X0_5_QuantizedWeights 基底類別的參數。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.ShuffleNet_V2_X0_5_QuantizedWeights(value)

上述模型建構器接受以下值作為 weights 參數。ShuffleNet_V2_X0_5_QuantizedWeights.DEFAULT 等同於 ShuffleNet_V2_X0_5_QuantizedWeights.IMAGENET1K_FBGEMM_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_FBGEMM_V1'。

ShuffleNet_V2_X0_5_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。也可用作 ShuffleNet_V2_X0_5_QuantizedWeights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	57.972
acc@5 (在 ImageNet-1K 上)	79.78
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	1366792
未量化	ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1
GIPS	0.04
檔案大小	1.5 MB

推論轉換可在 ShuffleNet_V2_X0_5_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。影像會調整大小為 resize_size=[256]，使用 interpolation=InterpolationMode.BILINEAR 內插法，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。

class torchvision.models.ShuffleNet_V2_X0_5_Weights(value)

上述模型建構器接受以下值作為 weights 參數。ShuffleNet_V2_X0_5_Weights.DEFAULT 等同於 ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1:

這些權重是從頭開始訓練的，以緊密重現論文的結果。也可用作 ShuffleNet_V2_X0_5_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	60.552
acc@5 (在 ImageNet-1K 上)	81.746
min_size	height=1, width=1
類別	丁鯛, 金魚, 大白鯊, … (省略 997 個)
配方	連結
num_params	1366792
GFLOPS	0.04
檔案大小	5.3 MB

推論轉換可在 ShuffleNet_V2_X0_5_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。影像會調整大小為 resize_size=[256]，使用 interpolation=InterpolationMode.BILINEAR 內插法，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。