AlexNet

torchvision.models.alexnet(..., weights: Optional[AlexNet_Weights] = None, progress: bool = True, **kwargs: Any) → AlexNet

AlexNet 模型架構，來自 One weird trick for parallelizing convolutional neural networks。

注意

AlexNet 最初在 ImageNet Classification with Deep Convolutional Neural Networks 論文中被提出。我們的實現是基於上面這篇“一個奇怪的技巧”論文的。

引數:

• weights (AlexNet_Weights, 可選) – 要使用的預訓練權重。有關更多詳細資訊和可能的值，請參閱下面的 AlexNet_Weights。預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則在 stderr 上顯示下載進度條。預設為 True。

• **kwargs – 傳遞給 torchvision.models.squeezenet.AlexNet 基類的引數。有關此類的更多詳細資訊，請參閱 原始碼。

class torchvision.models.AlexNet_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。AlexNet_Weights.DEFAULT 等同於 AlexNet_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

AlexNet_Weights.IMAGENET1K_V1:

這些權重使用簡化的訓練配方，非常接近論文中的結果。也可用作 AlexNet_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	56.522
acc@5 (在 ImageNet-1K 上)	79.066
引數數量	61100840
min_size	height=63, width=63
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
方案	連結
GFLOPS	0.71
檔案大小	233.1 MB

推理轉換可在 AlexNet_Weights.IMAGENET1K_V1.transforms 處獲得，並執行以下預處理操作：接受 PIL.Image、批次處理的 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BILINEAR 將影像大小調整為 resize_size=[256]，然後進行中心裁剪 crop_size=[224]。最後，值首先重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行歸一化。