vgg16¶
- torchvision.models.vgg16(*, weights: Optional[VGG16_Weights] = None, progress: bool = True, **kwargs: Any) VGG[原始碼]¶
VGG-16 來自 Very Deep Convolutional Networks for Large-Scale Image Recognition。
- 引數:
weights (
VGG16_Weights, 可選) – 要使用的預訓練權重。有關更多詳細資訊以及可能的值，請參見下面的VGG16_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.vgg.VGG基類的引數。有關此類引數的更多詳細資訊，請參閱 原始碼。
- class torchvision.models.VGG16_Weights(value)[原始碼]¶
上面的模型構建器接受以下值作為
weights引數。VGG16_Weights.DEFAULT等同於VGG16_Weights.IMAGENET1K_V1。您也可以使用字串，例如weights='DEFAULT'或weights='IMAGENET1K_V1'。VGG16_Weights.IMAGENET1K_V1:
這些權重是透過使用簡化的訓練配方從頭開始訓練的。也可以用作
VGG16_Weights.DEFAULT。acc@1 (在 ImageNet-1K 上)
71.592
acc@5 (在 ImageNet-1K 上)
90.382
min_size
height=32, width=32
類別
丁鯡、金魚、大白鯊、... (省略 997 個)
方案
引數數量
138357544
GFLOPS
15.47
檔案大小
527.8 MB
推理轉換可在
VGG16_Weights.IMAGENET1K_V1.transforms處獲得，並執行以下預處理操作：接受PIL.Image、批次 ((B, C, H, W)) 和單個 ((C, H, W)) 影像torch.Tensor物件。影像使用interpolation=InterpolationMode.BILINEAR調整到resize_size=[256]，然後進行中心裁剪crop_size=[224]。最後，值首先被縮放到[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。VGG16_Weights.IMAGENET1K_FEATURES:
這些權重由於 classifier 模組中缺少值而無法用於分類。只有 features 模組具有有效值，可用於特徵提取。這些權重使用論文中描述的原始輸入標準化方法進行了訓練。
acc@1 (在 ImageNet-1K 上)
nan
acc@5 (在 ImageNet-1K 上)
nan
min_size
height=32, width=32
類別
無
方案
引數數量
138357544
GFLOPS
15.47
檔案大小
527.8 MB
推理轉換可在
VGG16_Weights.IMAGENET1K_FEATURES.transforms處獲得，並執行以下預處理操作：接受PIL.Image、批次 ((B, C, H, W)) 和單個 ((C, H, W)) 影像torch.Tensor物件。影像使用interpolation=InterpolationMode.BILINEAR調整到resize_size=[256]，然後進行中心裁剪crop_size=[224]。最後，值首先被縮放到[0.0, 1.0]，然後使用mean=[0.48235, 0.45882, 0.40784]和std=[0.00392156862745098, 0.00392156862745098, 0.00392156862745098]進行歸一化。
