shufflenet_v2_x1_5

torchvision.models.shufflenet_v2_x1_5(*, weights: Optional[ShuffleNet_V2_X1_5_Weights] = None, progress: bool = True, **kwargs: Any) → ShuffleNetV2

建構具有 1.5 倍輸出通道的 ShuffleNetV2 架構，如 ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 中所述。

參數:

• weights (ShuffleNet_V2_X1_5_Weights, optional) – 要使用的預先訓練的權重。 請參閱下面的 ShuffleNet_V2_X1_5_Weights 以了解更多詳細資訊和可能的值。 預設情況下，不使用預先訓練的權重。

• progress (bool, optional) – 如果為 True，則在 stderr 上顯示下載進度條。 預設值為 True。

• **kwargs – 傳遞給 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_X1_5_Weights(value)

上面的模型建構器接受以下數值作為 weights 參數。 ShuffleNet_V2_X1_5_Weights.DEFAULT 等同於 ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1:

這些權重是使用 TorchVision 的新訓練方法從頭開始訓練的。 也可作為 ShuffleNet_V2_X1_5_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	72.996
acc@5 (在 ImageNet-1K 上)	91.086
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 個)
recipe	link
num_params	3503624
GFLOPS	0.30
File size	13.6 MB

推論轉換可在 ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1.transforms 中找到，並執行以下預處理操作： 接受 PIL.Image、批次化的 (B, C, H, W) 和單個 (C, H, W) 圖像 torch.Tensor 物件。 圖像被調整大小為 resize_size=[232]，使用 interpolation=InterpolationMode.BILINEAR，然後是中心裁剪 crop_size=[224]。 最後，這些值首先被重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行歸一化。