regnet_y_1_6gf

torchvision.models.regnet_y_1_6gf(*, weights: Optional[RegNet_Y_1_6GF_Weights] = None, progress: bool = True, **kwargs: Any) → RegNet

從 Designing Network Design Spaces 構建 RegNetY_1.6GF 架構。

參數:

• weights (RegNet_Y_1_6GF_Weights, optional) – 要使用的預訓練權重。 有關更多詳細資訊和可能的值，請參閱下面的 RegNet_Y_1_6GF_Weights。 預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則會將下載的進度列顯示到 stderr。 預設值為 True。

• **kwargs – 傳遞給 torchvision.models.regnet.RegNet 或 torchvision.models.regnet.BlockParams 類的參數。 有關這些類的更多詳細資訊，請參閱 原始碼。

class torchvision.models.RegNet_Y_1_6GF_Weights(value)

上述模型建構器接受下列數值作為 weights 參數。 RegNet_Y_1_6GF_Weights.DEFAULT 等同於 RegNet_Y_1_6GF_Weights.IMAGENET1K_V2。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

RegNet_Y_1_6GF_Weights.IMAGENET1K_V1:

這些權重使用簡單的訓練方法，重現了論文中的結果。

acc@1 (在 ImageNet-1K 上)	77.95
acc@5 (在 ImageNet-1K 上)	93.966
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 個)
num_params	11202430
recipe	link
GFLOPS	1.61
檔案大小	43.2 MB

推論轉換位於 RegNet_Y_1_6GF_Weights.IMAGENET1K_V1.transforms，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) 圖片 torch.Tensor 物件。圖片會使用 interpolation=InterpolationMode.BILINEAR 調整大小至 resize_size=[256]，然後進行 crop_size=[224] 的中央裁切。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_Y_1_6GF_Weights.IMAGENET1K_V2:

這些權重通過使用 TorchVision 修改後的版本 新訓練方法，改進了原始論文的結果。也可以作為 RegNet_Y_1_6GF_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	80.876
acc@5 (在 ImageNet-1K 上)	95.444
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 個)
num_params	11202430
recipe	link
GFLOPS	1.61
檔案大小	43.2 MB

推論轉換位於 RegNet_Y_1_6GF_Weights.IMAGENET1K_V2.transforms，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) 圖片 torch.Tensor 物件。圖片會使用 interpolation=InterpolationMode.BILINEAR 調整大小至 resize_size=[232]，然後進行 crop_size=[224] 的中央裁切。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。