shufflenet_v2_x2_0

torchvision.models.shufflenet_v2_x2_0(*, weights: Optional[ShuffleNet_V2_X2_0_Weights] = None, progress: bool = True, **kwargs: Any) → ShuffleNetV2

建構一個具有 2.0x 輸出通道的 ShuffleNetV2 架構，如 ShuffleNet V2：高效 CNN 架構設計的實用指南 中所述。

參數:

• weights (ShuffleNet_V2_X2_0_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_X2_0_Weights。預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則將下載的進度條顯示到 stderr。預設值為 True。

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

class torchvision.models.ShuffleNet_V2_X2_0_Weights(value)

上面的模型建構器接受以下值作為 weights 參數。 ShuffleNet_V2_X2_0_Weights.DEFAULT 等同於 ShuffleNet_V2_X2_0_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ShuffleNet_V2_X2_0_Weights.IMAGENET1K_V1:

這些權重是使用 TorchVision 的 新訓練配方從頭開始訓練的。 也可用作 ShuffleNet_V2_X2_0_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	76.23
acc@5 (在 ImageNet-1K 上)	93.006
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 個)
recipe	link
num_params	7393996
GFLOPS	0.58
檔案大小	28.4 MB

推論轉換可在 ShuffleNet_V2_X2_0_Weights.IMAGENET1K_V1.transforms 中找到，並執行以下預處理操作：接受 PIL.Image、批次的 (B, C, H, W) 和單個 (C, H, W) 圖像 torch.Tensor 物件。 圖像會使用 interpolation=InterpolationMode.BILINEAR 調整大小到 resize_size=[232]，然後進行 crop_size=[224] 的中央裁剪。 最後，這些值會先重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行標準化。