resnet34

torchvision.models.resnet34(*, weights: Optional[ResNet34_Weights] = None, progress: bool = True, **kwargs: Any) → ResNet

ResNet-34 來自 用於影像辨識的深度殘差學習。

參數:

• weights (ResNet34_Weights, optional) – 要使用的預訓練權重。請參閱下方的 ResNet34_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) – 如果為 True，則將下載進度條顯示至 stderr。預設值為 True。

• **kwargs – 傳遞至 torchvision.models.resnet.ResNet 基礎類別的參數。關於此類別的更多詳細資訊，請參閱 原始碼。

class torchvision.models.ResNet34_Weights(value)

上面的模型建構器接受以下值作為 weights 參數。ResNet34_Weights.DEFAULT 等同於 ResNet34_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ResNet34_Weights.IMAGENET1K_V1:

這些權重使用簡單的訓練方法，緊密地重現了論文的結果。 也可作為 ResNet34_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	73.314
acc@5 (在 ImageNet-1K 上)	91.42
min_size	height=1, width=1
類別	丁鱖, 金魚, 大白鯊, … (省略 997 個)
num_params	21797672
recipe	link
GFLOPS	3.66
檔案大小	83.3 MB

推論轉換可在 ResNet34_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 crop_size=[224] 的中央裁剪。最後，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。