resnet18

torchvision.models.resnet18(*, weights: Optional[ResNet18_Weights] = None, progress: bool = True, **kwargs: Any) → ResNet

ResNet-18 来自 Deep Residual Learning for Image Recognition。

参数:

• weights (ResNet18_Weights, 可选) – 要使用的预训练权重。有关更多详细信息和可能的值，请参阅下面的 ResNet18_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。默认为 True。

• **kwargs – 传递给 torchvision.models.resnet.ResNet 基类的参数。有关此类参数的更多详细信息，请参阅 源代码。

class torchvision.models.ResNet18_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 ResNet18_Weights.DEFAULT 等同于 ResNet18_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ResNet18_Weights.IMAGENET1K_V1:

这些权重通过简单的训练配方，非常接近论文中的结果。也可作为 ResNet18_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	69.758
acc@5 (在 ImageNet-1K 上)	89.078
min_size	height=1, width=1
类别	丁鲱、金鱼、大白鲨、... (省略 997 个)
参数数量	11689512
方案	链接
GFLOPS	1.81
文件大小	44.7 MB

推理变换可在 ResNet18_Weights.IMAGENET1K_V1.transforms 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。使用 interpolation=InterpolationMode.BILINEAR 将图像调整为 resize_size=[256]，然后进行中心裁剪 crop_size=[224]。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。

使用 resnet18 的示例

Torchscript 支持

Torchscript 支持