resnext101_32x8d

torchvision.models.resnext101_32x8d(*, weights: Optional[ResNeXt101_32X8D_Weights] = None, progress: bool = True, **kwargs: Any) → ResNet

來自 深度神經網路的聚合殘差轉換 的 ResNeXt-101 32x8d 模型。

參數:

• weights (ResNeXt101_32X8D_Weights, optional) – 要使用的預訓練權重。請參閱下方的 ResNeXt101_32X8D_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) – 若為 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.ResNeXt101_32X8D_Weights(value)

上述模型建構器接受以下值作為 weights 參數。ResNeXt101_32X8D_Weights.DEFAULT 等同於 ResNeXt101_32X8D_Weights.IMAGENET1K_V2。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ResNeXt101_32X8D_Weights.IMAGENET1K_V1:

這些權重使用簡單的訓練食譜，緊密地重現了論文的結果。

acc@1 (在 ImageNet-1K 上)	79.312
acc@5 (在 ImageNet-1K 上)	94.526
min_size	height=1, width=1
類別	丁魚, 金魚, 大白鯊, … (省略 997 個)
num_params	88791336
食譜	連結
GFLOPS	16.41
檔案大小	339.6 MB

推論轉換可在 ResNeXt101_32X8D_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] 的中心裁剪。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] 進行正規化。

ResNeXt101_32X8D_Weights.IMAGENET1K_V2:

這些權重透過使用 TorchVision 的 新訓練食譜，改進了原始論文的結果。也可作為 ResNeXt101_32X8D_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	82.834
acc@5 (在 ImageNet-1K 上)	96.228
min_size	height=1, width=1
類別	丁魚, 金魚, 大白鯊, … (省略 997 個)
num_params	88791336
食譜	連結
GFLOPS	16.41
檔案大小	339.7 MB

推論轉換可在 ResNeXt101_32X8D_Weights.IMAGENET1K_V2.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=[232]，然後進行 crop_size=[224] 的中心裁剪。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] 進行正規化。