shufflenet_v2_x2_0¶
- torchvision.models.quantization.shufflenet_v2_x2_0(*, weights: Optional[Union[ShuffleNet_V2_X2_0_QuantizedWeights, ShuffleNet_V2_X2_0_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) QuantizableShuffleNetV2[source]¶
构建一个具有2.0倍输出通道的ShuffleNetV2，如ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design中所述。
注意
请注意，
quantize = True返回一个具有8位权重的量化模型。量化模型仅支持推理并在CPU上运行。目前尚不支持GPU推理。- Parameters:
weights (
ShuffleNet_V2_X2_0_QuantizedWeights或ShuffleNet_V2_X2_0_Weights, 可选) – 模型的预训练权重。有关更多详情和可能的值，请参见下面的ShuffleNet_V2_X2_0_QuantizedWeights。默认情况下，不使用预训练权重。progress (bool, 可选) – 如果为True，则在stderr上显示下载进度条。 默认值为True。
quantize (bool, optional) – 如果为True，返回模型的量化版本。 默认值为False。
**kwargs – 传递给
torchvision.models.quantization.ShuffleNet_V2_X2_0_QuantizedWeights基类的参数。请参阅源代码 以获取有关此类的更多详细信息。
- class torchvision.models.quantization.ShuffleNet_V2_X2_0_QuantizedWeights(value)[source]¶
上面的模型构建器接受以下值作为
weights参数。ShuffleNet_V2_X2_0_QuantizedWeights.DEFAULT等同于ShuffleNet_V2_X2_0_QuantizedWeights.IMAGENET1K_FBGEMM_V1。你也可以使用字符串，例如weights='DEFAULT'或weights='IMAGENET1K_FBGEMM_V1'。ShuffleNet_V2_X2_0_QuantizedWeights.IMAGENET1K_FBGEMM_V1:
这些权重是通过在下面列出的未量化权重之上进行训练后量化（急切模式）生成的。 也可作为
ShuffleNet_V2_X2_0_QuantizedWeights.DEFAULT使用。准确率@1（在ImageNet-1K上）
75.354
acc@5 (在 ImageNet-1K 上)
92.488
最小尺寸
高度=1, 宽度=1
分类
鲶鱼，金鱼，大白鲨，…（省略997种）
后端
fbgemm
食谱
num_params
7393996
未量化的
ShuffleNet_V2_X2_0_Weights.IMAGENET1K_V1
GIPS
0.58
文件大小
7.5 MB
推理转换可在
ShuffleNet_V2_X2_0_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms中找到，并执行以下预处理操作：接受PIL.Image、批处理(B, C, H, W)和单张(C, H, W)图像torch.Tensor对象。图像使用interpolation=InterpolationMode.BILINEAR调整大小为resize_size=[232]，然后进行crop_size=[224]的中心裁剪。最后，值首先缩放到[0.0, 1.0]，然后使用mean=[0.485, 0.456, 0.406]和std=[0.229, 0.224, 0.225]进行归一化。
- class torchvision.models.ShuffleNet_V2_X2_0_Weights(value)[source]
上面的模型构建器接受以下值作为
weights参数。ShuffleNet_V2_X2_0_Weights.DEFAULT等同于ShuffleNet_V2_X2_0_Weights.IMAGENET1K_V1。你也可以使用字符串，例如weights='DEFAULT'或weights='IMAGENET1K_V1'。ShuffleNet_V2_X2_0_Weights.IMAGENET1K_V1:
这些权重是通过使用TorchVision的新训练配方从头开始训练的。 也可作为
ShuffleNet_V2_X2_0_Weights.DEFAULT使用。准确率@1（在ImageNet-1K上）
76.23
acc@5 (在 ImageNet-1K 上)
93.006
最小尺寸
高度=1, 宽度=1
分类
鲶鱼，金鱼，大白鲨，…（省略997种）
食谱
num_params
7393996
GFLOPS
0.58
文件大小
28.4 MB
推理转换可在
ShuffleNet_V2_X2_0_Weights.IMAGENET1K_V1.transforms中找到，并执行以下预处理操作：接受PIL.Image、批处理(B, C, H, W)和单张(C, H, W)图像torch.Tensor对象。图像使用interpolation=InterpolationMode.BILINEAR调整大小为resize_size=[232]，然后进行crop_size=[224]的中心裁剪。最后，值首先重新缩放到[0.0, 1.0]，然后使用mean=[0.485, 0.456, 0.406]和std=[0.229, 0.224, 0.225]进行归一化。
