مختبر الرؤية الحاسوبية النماذج ResNet-50 (IMAGENET1K_V2)
ResNet-50 (IMAGENET1K_V2)
Residual network with bottleneck blocks
نموذج مرجعي واسع الاستخدام في الأبحاث، بأوزان torchvision المحسنة (V2).
| المعمارية | Residual network with bottleneck blocks |
|---|---|
| المهمة | تصنيف |
| بيانات التدريب | ImageNet-1K |
| عدد المعلمات | 25,557,032 |
| الإطار | PyTorch → ONNX (fp16) |
| حجم الملف | 48.7 MB + 3.9 MB |
| الترخيص | BSD-3-Clause (torchvision code); weights trained on ImageNet-1K |
| مكان التشغيل | المتصفح (ONNX Runtime Web) |
| المصدر الرسمي | pytorch.org |
| الأوزان الرسمية | download.pytorch.org |
مؤشرات منشورة (من المصدر الرسمي، وليست قياساً من هذا الموقع)
| المؤشر | القيمة | بيانات التقييم | المصدر |
|---|---|---|---|
| Acc@1 | 80.858% | ImageNet-1K val (single crop 224) | المصدر |
| Acc@5 | 95.434% | ImageNet-1K val (single crop 224) | المصدر |
الاستخدامات
مرجع للمقارنة، Grad-CAM.
متطلبات التشغيل
حزمة منفصلة لكبر حجمها.
طريقة التحميل
حزمة اختيارية.
المراجع
- K. He, X. Zhang, S. Ren, J. Sun (2016).Deep Residual Learning for Image Recognition. CVPR 2016. doi:10.1109/CVPR.2016.90
- PyTorch / torchvision (2024).Models and pre-trained weights. pytorch.org. pytorch.org
