squeezenet1_1

torchvision.models.squeezenet1_1(*, weights: Optional[SqueezeNet1_1_Weights] = None, progress: bool = True, **kwargs: Any) → SqueezeNet

SqueezeNet 1.1 模型，来自 官方 SqueezeNet 仓库。

SqueezeNet 1.1 的计算量是 SqueezeNet 1.0 的 2.4 倍，参数略少，但准确性并未牺牲。

参数:

• weights (SqueezeNet1_1_Weights, optional) – 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 SqueezeNet1_1_Weights。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。

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

class torchvision.models.SqueezeNet1_1_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 SqueezeNet1_1_Weights.DEFAULT 等同于 SqueezeNet1_1_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

SqueezeNet1_1_Weights.IMAGENET1K_V1:

这些权重使用简单的训练配方，非常接近论文中的结果。也可作为 SqueezeNet1_1_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	58.178
acc@5 (在 ImageNet-1K 上)	80.624
类别	丁鲱、金鱼、大白鲨、... (省略 997 个)
方案	链接
min_size	height=17, width=17
参数数量	1235496
GFLOPS	0.35
文件大小	4.7 MB

推理转换可在此处找到：SqueezeNet1_1_Weights.IMAGENET1K_V1.transforms，并执行以下预处理操作：接受 PIL.Image，批处理的 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 缩放到 resize_size=[256]，然后进行中心裁剪，裁剪尺寸为 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。