regnet_x_8gf

torchvision.models.regnet_x_8gf(*, weights: Optional[RegNet_X_8GF_Weights] = None, progress: bool = True, **kwargs: Any) → RegNet

從 Designing Network Design Spaces 建構 RegNetX_8GF 架構。

參數:

• weights (RegNet_X_8GF_Weights, optional) – 要使用的預訓練權重。請參閱下方的 RegNet_X_8GF_Weights 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, optional) – 若為 True，則將下載進度條顯示至 stderr。預設值為 True。

• **kwargs – 傳遞至 torchvision.models.regnet.RegNet 或 torchvision.models.regnet.BlockParams 類別的參數。請參閱 原始碼 以了解更多關於這些類別的詳細資訊。

class torchvision.models.RegNet_X_8GF_Weights(value)

上述模型建構器接受以下值作為 weights 參數。RegNet_X_8GF_Weights.DEFAULT 等同於 RegNet_X_8GF_Weights.IMAGENET1K_V2。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

RegNet_X_8GF_Weights.IMAGENET1K_V1:

這些權重使用簡單的訓練配方，緊密地重現了論文的結果。

acc@1 (在 ImageNet-1K 上)	79.344
acc@5 (在 ImageNet-1K 上)	94.686
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 個)
num_params	39572648
recipe	link
GFLOPS	8.00
檔案大小	151.5 MB

推論轉換可在 RegNet_X_8GF_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) 和單一 (C, H, W) 影像 torch.Tensor 物件。影像會使用 interpolation=InterpolationMode.BILINEAR 調整大小為 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] 進行標準化。

RegNet_X_8GF_Weights.IMAGENET1K_V2:

這些權重透過使用 TorchVision 新訓練配方 的修改版本，改進了原始論文的結果。也可作為 RegNet_X_8GF_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	81.682
acc@5 (在 ImageNet-1K 上)	95.678
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 個)
num_params	39572648
recipe	link
GFLOPS	8.00
檔案大小	151.5 MB

推論轉換可在 RegNet_X_8GF_Weights.IMAGENET1K_V2.transforms 中取得，並執行以下預處理操作：接受 PIL.Image、批次 (B, C, H, W) 和單一 (C, H, W) 影像 torch.Tensor 物件。影像會使用 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] 進行標準化。