regnet_y_16gf

torchvision.models.regnet_y_16gf(*, weights: Optional[RegNet_Y_16GF_Weights] = None, progress: bool = True, **kwargs: Any) → RegNet

從「Designing Network Design Spaces」建構 RegNetY_16GF 架構。

參數:

• weights (RegNet_Y_16GF_Weights, optional) – 要使用的預訓練權重。請參閱下方的 RegNet_Y_16GF_Weights 以了解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，則在 stderr 顯示下載進度條。預設值為 True。

• **kwargs – 傳遞給 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_Y_16GF_Weights(value)

上述模型建構器接受以下值作為 weights 參數。RegNet_Y_16GF_Weights.DEFAULT 等同於 RegNet_Y_16GF_Weights.IMAGENET1K_V2。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

RegNet_Y_16GF_Weights.IMAGENET1K_V1:

這些權重使用簡單的訓練方法，幾乎重現了論文的結果。

acc@1 (在 ImageNet-1K 上)	80.424
acc@5 (在 ImageNet-1K 上)	95.24
最小尺寸	高度=1，寬度=1
類別	丁鯛、金魚、大白鯊，… (省略 997 種)
參數數量	83590140
方法	連結
GFLOPS	15.91
檔案大小	319.5 MB

推論轉換可在 RegNet_Y_16GF_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=[256]，然後進行中心裁剪 crop_size=[224]。最後，數值會先重新縮放至 [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_Y_16GF_Weights.IMAGENET1K_V2:

這些權重透過使用 TorchVision 新訓練方法的修改版本，改進了原始論文的結果。也可作為 RegNet_Y_16GF_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	82.886
acc@5 (在 ImageNet-1K 上)	96.328
最小尺寸	高度=1，寬度=1
類別	丁鯛、金魚、大白鯊，… (省略 997 種)
參數數量	83590140
方法	連結
GFLOPS	15.91
檔案大小	319.5 MB

推論轉換可在 RegNet_Y_16GF_Weights.IMAGENET1K_V2.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 crop_size=[224]。最後，數值會先重新縮放至 [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_Y_16GF_Weights.IMAGENET1K_SWAG_E2E_V1:

這些權重透過遷移學習學習而來，方法是在 ImageNet-1K 資料集上對原始 SWAG 權重進行端到端微調。

acc@1 (在 ImageNet-1K 上)	86.012
acc@5 (在 ImageNet-1K 上)	98.054
最小尺寸	高度=1，寬度=1
類別	丁鯛、金魚、大白鯊，… (省略 997 種)
方法	連結
授權	連結
參數數量	83590140
GFLOPS	46.73
檔案大小	319.5 MB

推論轉換可在 RegNet_Y_16GF_Weights.IMAGENET1K_SWAG_E2E_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) 和單張 (C, H, W) 影像 torch.Tensor 物件。影像會使用 interpolation=InterpolationMode.BICUBIC 調整大小至 resize_size=[384]，然後進行中心裁剪 crop_size=[384]。最後，數值會先重新縮放至 [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_Y_16GF_Weights.IMAGENET1K_SWAG_LINEAR_V1:

這些權重由原始凍結的 SWAG 主幹權重和在其之上學習的線性分類器組成，線性分類器在 ImageNet-1K 資料集上訓練。

acc@1 (在 ImageNet-1K 上)	83.976
acc@5 (在 ImageNet-1K 上)	97.244
最小尺寸	高度=1，寬度=1
類別	丁鯛、金魚、大白鯊，… (省略 997 種)
方法	連結
授權	連結
參數數量	83590140
GFLOPS	15.91
檔案大小	319.5 MB

推論轉換可在 RegNet_Y_16GF_Weights.IMAGENET1K_SWAG_LINEAR_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) 和單張 (C, H, W) 影像 torch.Tensor 物件。影像會使用 interpolation=InterpolationMode.BICUBIC 調整大小至 resize_size=[224]，然後進行中心裁剪 crop_size=[224]。最後，數值會先重新縮放至 [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。