shufflenet_v2_x0_5

torchvision.models.shufflenet_v2_x0_5(*, weights: Optional[ShuffleNet_V2_X0_5_Weights] = None, progress: bool = True, **kwargs: Any) → ShuffleNetV2

建構一個具有 0.5x 輸出通道的 ShuffleNetV2 架構，如 ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 中所述。

參數:

• weights (ShuffleNet_V2_X0_5_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 ShuffleNet_V2_X0_5_Weights。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到 stderr。預設值為 True。

• **kwargs – 傳遞到 torchvision.models.shufflenetv2.ShuffleNetV2 基底類別的參數。有關此類別的更多詳細資訊，請參閱 原始碼。

class torchvision.models.ShuffleNet_V2_X0_5_Weights(value)

上述模型建構器接受下列值作為 weights 參數。ShuffleNet_V2_X0_5_Weights.DEFAULT 等同於 ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1:

這些權重是從頭開始訓練，以盡可能重現論文的結果。也可用作 ShuffleNet_V2_X0_5_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	60.552
acc@5 (在 ImageNet-1K 上)	81.746
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (已省略 997 個)
recipe	link
num_params	1366792
GFLOPS	0.04
File size	5.3 MB

推論轉換可在 ShuffleNet_V2_X0_5_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) 圖像 torch.Tensor 物件。圖像會使用 interpolation=InterpolationMode.BILINEAR 調整大小為 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] 進行正規化。