regnet_y_8gf

torchvision.models.regnet_y_8gf(*, weights: Optional[RegNet_Y_8GF_Weights] = None, progress: bool = True, **kwargs: Any) → RegNet

從 設計網路設計空間建構 RegNetY_8GF 架構。

參數:

• weights (RegNet_Y_8GF_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_8GF_Weights。 預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則會顯示下載到 stderr 的進度列。 預設值為 True。

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

class torchvision.models.RegNet_Y_8GF_Weights(value)

上述模型建構器接受以下數值作為 weights 參數。RegNet_Y_8GF_Weights.DEFAULT 等同於 RegNet_Y_8GF_Weights.IMAGENET1K_V2。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

RegNet_Y_8GF_Weights.IMAGENET1K_V1:

這些權重使用簡單的訓練方法，能高度重現論文的結果。

acc@1 (在 ImageNet-1K 上)	80.032
acc@5 (在 ImageNet-1K 上)	95.048
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 個)
num_params	39381472
recipe	link
GFLOPS	8.47
File size	150.7 MB

推論轉換可在 RegNet_Y_8GF_Weights.IMAGENET1K_V1.transforms 中取得，並執行以下預處理操作： 接受 PIL.Image、批次化的 (B, C, H, W) 和單張 (C, H, W) 圖像 torch.Tensor 物件。 影像大小調整為 resize_size=[256]，使用 interpolation=InterpolationMode.BILINEAR 進行插值，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。

RegNet_Y_8GF_Weights.IMAGENET1K_V2:

這些權重透過使用修改後的 TorchVision 新訓練方法，改進了原始論文的結果。 也可用作 RegNet_Y_8GF_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	82.828
acc@5 (在 ImageNet-1K 上)	96.33
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 個)
num_params	39381472
recipe	link
GFLOPS	8.47
File size	150.7 MB

推論轉換可在 RegNet_Y_8GF_Weights.IMAGENET1K_V2.transforms 中取得，並執行以下預處理操作： 接受 PIL.Image、批次化的 (B, C, H, W) 和單張 (C, H, W) 圖像 torch.Tensor 物件。 影像大小調整為 resize_size=[232]，使用 interpolation=InterpolationMode.BILINEAR 進行插值，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。