resnext101_64x4d

torchvision.models.quantization.resnext101_64x4d(*, weights: Optional[Union[ResNeXt101_64X4D_QuantizedWeights, ResNeXt101_64X4D_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableResNet

ResNeXt-101 64x4d 模型，出自 Aggregated Residual Transformation for Deep Neural Networks

注意

请注意，quantize = True 将返回一个具有 8 位权重的量化模型。量化模型仅支持推理，并在 CPU 上运行。目前暂不支持 GPU 推理。

参数:

• weights (ResNeXt101_64X4D_QuantizedWeights 或 ResNeXt101_64X4D_Weights, 可选) – 模型的预训练权重。有关更多详细信息和可能的值，请参阅下面的 ResNet101_64X4D_QuantizedWeights。默认情况下，不使用预训练权重。

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

• quantize (bool, optional) – 如果为 True，则返回模型的量化版本。默认为 False。

• **kwargs – 传递给 torchvision.models.quantization.QuantizableResNet 基类的参数。有关此类更多详细信息，请参阅 源代码。

class torchvision.models.quantization.ResNeXt101_64X4D_QuantizedWeights(value)

上面的模型构建器接受以下值作为 weights 参数。ResNeXt101_64X4D_QuantizedWeights.DEFAULT 等同于 ResNeXt101_64X4D_QuantizedWeights.IMAGENET1K_FBGEMM_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_FBGEMM_V1'。

ResNeXt101_64X4D_QuantizedWeights.IMAGENET1K_FBGEMM_V1:

这些权重是通过对下面列出的未量化权重进行后期训练量化（急切模式）生成的。也可通过 ResNeXt101_64X4D_QuantizedWeights.DEFAULT 获取。

acc@1 (在 ImageNet-1K 上)	82.898
acc@5 (在 ImageNet-1K 上)	96.326
min_size	height=1, width=1
类别	丁鲱、金鱼、大白鲨、... (省略 997 个)
backend	fbgemm
方案	链接
参数数量	83455272
unquantized	ResNeXt101_64X4D_Weights.IMAGENET1K_V1
GIPS	15.46
文件大小	81.6 MB

推理变换可在 ResNeXt101_64X4D_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms 中找到，并执行以下预处理操作：接受 PIL.Image、批量处理的 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 调整大小到 resize_size=[232]，然后进行中心裁剪到 crop_size=[224]。最后，值首先被缩放到 [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.ResNeXt101_64X4D_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。ResNeXt101_64X4D_Weights.DEFAULT 等同于 ResNeXt101_64X4D_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ResNeXt101_64X4D_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。也可通过 ResNeXt101_64X4D_Weights.DEFAULT 获取。

acc@1 (在 ImageNet-1K 上)	83.246
acc@5 (在 ImageNet-1K 上)	96.454
min_size	height=1, width=1
类别	丁鲱、金鱼、大白鲨、... (省略 997 个)
参数数量	83455272
方案	链接
GFLOPS	15.46
文件大小	319.3 MB

推理变换可在 ResNeXt101_64X4D_Weights.IMAGENET1K_V1.transforms 中找到，并执行以下预处理操作：接受 PIL.Image、批量处理的 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 调整大小到 resize_size=[232]，然后进行中心裁剪到 crop_size=[224]。最后，值首先被缩放到 [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。