resnet18

torchvision.models.resnet18(*, weights: Optional[ResNet18_Weights] = None, progress: bool = True, **kwargs: Any) → ResNet

來自 Deep Residual Learning for Image Recognition 的 ResNet-18。

參數:

• weights (ResNet18_Weights, optional) – 要使用的預訓練權重。請參閱下方的 ResNet18_Weights 了解更多詳細資訊和可能的值。預設情況下，不使用任何預訓練權重。

• progress (bool, optional) – 如果為 True，則會將下載進度條顯示到 stderr。預設值為 True。

• **kwargs – 傳遞到 torchvision.models.resnet.ResNet 基底類別的參數。 有關此類別的更多詳細資訊，請參閱 原始程式碼。

class torchvision.models.ResNet18_Weights(value)

上述模型建構器接受以下數值作為 weights 參數。ResNet18_Weights.DEFAULT 相當於 ResNet18_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ResNet18_Weights.IMAGENET1K_V1:

這些權重使用簡單的訓練方法，能重現論文中的結果。也可用作 ResNet18_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	69.758
acc@5 (在 ImageNet-1K 上)	89.078
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 個)
num_params	11689512
recipe	link
GFLOPS	1.81
File size	44.7 MB

推論轉換可在 ResNet18_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 調整大小至 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。

使用 resnet18 的範例

Torchscript 支援

Torchscript 支援