shufflenet_v2_x1_5

torchvision.models.quantization.shufflenet_v2_x1_5(*, weights: Optional[Union[ShuffleNet_V2_X1_5_QuantizedWeights, ShuffleNet_V2_X1_5_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableShuffleNetV2

構建一個具有 1.5 倍輸出通道的 ShuffleNetV2，如 ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 中所述。

注意

請注意，quantize = True 會回傳一個具有 8 位元權重的量化模型。量化模型僅支援推論，並且在 CPU 上運行。目前尚不支援 GPU 推論。

參數:

• weights (ShuffleNet_V2_X1_5_QuantizedWeights 或 ShuffleNet_V2_X1_5_Weights, optional) – 模型的預訓練權重。 有關更多詳細資訊和可能的值，請參閱下面的 ShuffleNet_V2_X1_5_QuantizedWeights。 預設情況下，不使用任何預訓練權重。

• progress (bool, optional) – 如果為 True，則會在 stderr 上顯示下載的進度條。 預設值為 True。

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

• **kwargs – 傳遞給 torchvision.models.quantization.ShuffleNet_V2_X1_5_QuantizedWeights 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.ShuffleNet_V2_X1_5_QuantizedWeights(value)

上面的模型建構器接受以下值作為 weights 參數。 ShuffleNet_V2_X1_5_QuantizedWeights.DEFAULT 相當於 ShuffleNet_V2_X1_5_QuantizedWeights.IMAGENET1K_FBGEMM_V1。 您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_FBGEMM_V1'。

ShuffleNet_V2_X1_5_QuantizedWeights.IMAGENET1K_FBGEMM_V1:

這些權重是通過在下面列出的未量化權重之上執行訓練後量化（eager 模式）產生的。 也可用作 ShuffleNet_V2_X1_5_QuantizedWeights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	72.052
acc@5 (在 ImageNet-1K 上)	90.7
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 個)
backend	fbgemm
recipe	link
num_params	3503624
unquantized	ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1
GIPS	0.30
檔案大小	3.7 MB

推論轉換可在 ShuffleNet_V2_X1_5_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms 中找到，並執行以下預處理操作： 接受 PIL.Image、批次 (B, C, H, W) 和單個 (C, H, W) 圖像 torch.Tensor 物件。 圖像使用 interpolation=InterpolationMode.BILINEAR 調整大小為 resize_size=[232]，然後進行 crop_size=[224] 的中心裁剪。 最後，這些值首先重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行正規化。

class torchvision.models.ShuffleNet_V2_X1_5_Weights(value)

上面的模型建構器接受以下值作為 weights 參數。 ShuffleNet_V2_X1_5_Weights.DEFAULT 相當於 ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1。 您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1:

這些權重是從頭開始使用 TorchVision 的 新訓練方式 訓練的。 也可用作 ShuffleNet_V2_X1_5_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	72.996
acc@5 (在 ImageNet-1K 上)	91.086
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 個)
recipe	link
num_params	3503624
GFLOPS	0.30
檔案大小	13.6 MB

推論轉換可在 ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1.transforms 中找到，並執行以下預處理操作： 接受 PIL.Image、批次 (B, C, H, W) 和單個 (C, H, W) 圖像 torch.Tensor 物件。 圖像使用 interpolation=InterpolationMode.BILINEAR 調整大小為 resize_size=[232]，然後進行 crop_size=[224] 的中心裁剪。 最後，這些值首先重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行正規化。