squeezenet1_0¶
- torchvision.models.squeezenet1_0(*, weights: Optional[SqueezeNet1_0_Weights] = None, progress: bool = True, **kwargs: Any) SqueezeNet[source]¶
SqueezeNet模型架构来自SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size论文。
- Parameters:
weights (
SqueezeNet1_0_Weights, 可选) – 使用的预训练权重。有关更多详情和可能的值，请参见下面的SqueezeNet1_0_Weights。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。
**kwargs – 传递给
torchvision.models.squeezenet.SqueezeNet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.SqueezeNet1_0_Weights(value)[source]¶
上面的模型构建器接受以下值作为
weights参数。SqueezeNet1_0_Weights.DEFAULT等同于SqueezeNet1_0_Weights.IMAGENET1K_V1。你也可以使用字符串，例如weights='DEFAULT'或weights='IMAGENET1K_V1'。SqueezeNet1_0_Weights.IMAGENET1K_V1:
这些权重通过简单的训练方法能够很好地复现论文中的结果。 也可以使用
SqueezeNet1_0_Weights.DEFAULT。准确率@1（在ImageNet-1K上）
58.092
acc@5 (在 ImageNet-1K 上)
80.42
分类
鲶鱼，金鱼，大白鲨，…（省略997种）
食谱
最小尺寸
高度=21, 宽度=21
num_params
1248424
GFLOPS
0.82
文件大小
4.8 MB
推理转换可在
SqueezeNet1_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。图像首先使用interpolation=InterpolationMode.BILINEAR调整大小为resize_size=[256]，然后进行中心裁剪crop_size=[224]。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。
