LibMTL.model.resnet

model_urls[来源]
conv3x3(in_planes, out_planes, stride=1, groups=1, dilation=1)[来源]

带有填充的3x3卷积

conv1x1(in_planes, out_planes, stride=1)[来源]

1x1 卷积

class BasicBlock(inplanes, planes, stride=1, downsample=None, groups=1, base_width=64, dilation=1, norm_layer=None)[来源]

基础类：torch.nn.Module

expansion = 1[来源]
forward(x)[来源]
class Bottleneck(inplanes, planes, stride=1, downsample=None, groups=1, base_width=64, dilation=1, norm_layer=None)[来源]

基础类：torch.nn.Module

expansion = 4[来源]
forward(x)[来源]
class ResNet(block, layers, num_classes=1000, zero_init_residual=False, groups=1, width_per_group=64, replace_stride_with_dilation=None, norm_layer=None)[来源]

基础类：torch.nn.Module

forward(x)[来源]
resnet18(pretrained=False, progress=True, **kwargs)[来源]

来自“深度残差学习用于图像识别”的ResNet-18模型

Parameters:

  • pretrained (bool) – 如果为True，则返回在ImageNet数据集上预训练的模型。

  • progress (bool) – 如果为True，则在stderr上显示下载进度条。

resnet34(pretrained=False, progress=True, **kwargs)[来源]

来自“深度残差学习用于图像识别”的ResNet-34模型

Parameters:

  • pretrained (bool) – 如果为True，则返回在ImageNet数据集上预训练的模型。

  • progress (bool) – 如果为True，则在stderr上显示下载进度条。

resnet50(pretrained=False, progress=True, **kwargs)[来源]

来自 “深度残差学习用于图像识别”的ResNet-50模型

Parameters:

  • pretrained (bool) – 如果为True，则返回在ImageNet数据集上预训练的模型。

  • progress (bool) – 如果为True，则在标准错误输出中显示下载进度条。

resnet101(pretrained=False, progress=True, **kwargs)[来源]

来自“深度残差学习用于图像识别”的ResNet-101模型

Parameters:

  • pretrained (bool) – 如果为True，则返回在ImageNet数据集上预训练的模型。

  • progress (bool) – 如果为True，则在stderr上显示下载进度条。

resnet152(pretrained=False, progress=True, **kwargs)[来源]

来自“深度残差学习用于图像识别”的ResNet-152模型

Parameters:

  • pretrained (bool) – 如果为True，则返回一个在ImageNet数据集上预训练的模型。

  • progress (bool) – 如果为True，则在stderr上显示下载进度条。

resnext50_32x4d(pretrained=False, progress=True, **kwargs)[来源]

来自“深度神经网络的聚合残差变换”的ResNeXt-50 32x4d模型

Parameters:

  • pretrained (bool) – 如果为True，则返回在ImageNet数据集上预训练的模型。

  • progress (bool) – 如果为True，则在stderr上显示下载进度条。

resnext101_32x8d(pretrained=False, progress=True, **kwargs)[来源]

来自“深度神经网络的聚合残差变换”的ResNeXt-101 32x8d模型

Parameters:

  • pretrained (bool) – 如果为True，则返回在ImageNet数据集上预训练的模型。

  • progress (bool) – 如果为True，则在stderr上显示下载进度条。

wide_resnet50_2(pretrained=False, progress=True, **kwargs)[来源]

来自“Wide Residual Networks”的Wide ResNet-50-2模型

该模型与ResNet相同，除了每个块中的瓶颈通道数量是原来的两倍。外部1x1卷积中的通道数量相同，例如，ResNet-50中的最后一个块有2048-512-2048通道，而在wide ResNet-50-2中则有2048-1024-2048。

Parameters:

  • pretrained (bool) – 如果为True，则返回在ImageNet数据集上预训练的模型。

  • progress (bool) – 如果为True，则在stderr上显示下载进度条。

wide_resnet101_2(pretrained=False, progress=True, **kwargs)[来源]

来自“Wide Residual Networks”的Wide ResNet-101-2模型

该模型与ResNet相同，除了每个块中的瓶颈通道数量是原来的两倍。外部1x1卷积中的通道数量相同，例如，ResNet-101中的最后一个块有2048-512-2048通道，而在wide ResNet-101-2中则有2048-1024-2048。

Parameters:

  • pretrained (bool) – 如果为True，则返回在ImageNet数据集上预训练的模型。

  • progress (bool) – 如果为True，则在stderr上显示下载进度条。