vgg19

torchvision.models.vgg19(*, weights: Optional[VGG19_Weights] = None, progress: bool = True, **kwargs: Any) → VGG

来自 用于大规模图像识别的超深度卷积网络 的 VGG-19。

参数:

• weights (VGG19_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，请参见下方的 VGG19_Weights。 默认情况下，不使用预训练权重。

• progress (bool, 可选) – 如果为 True，则将下载进度条显示到 stderr。 默认为 True。

• **kwargs – 传递给 torchvision.models.vgg.VGG 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.VGG19_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 VGG19_Weights.DEFAULT 等效于 VGG19_Weights.IMAGENET1K_V1。 您还可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

VGG19_Weights.IMAGENET1K_V1:

这些权重是通过使用简化的训练配方从头开始训练的。 也可作为 VGG19_Weights.DEFAULT 使用。

acc@1（在 ImageNet-1K 上）	72.376
acc@5（在 ImageNet-1K 上）	90.876
min_size	height=32, width=32
类别	丁鲷, 金鱼, 大白鲨, …（省略 997 个）
配方	链接
num_params	143667240
GFLOPS	19.63
文件大小	548.1 MB

推理转换可在 VGG19_Weights.IMAGENET1K_V1.transforms 中找到，并执行以下预处理操作： 接受 PIL.Image、批处理 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。 图像使用 interpolation=InterpolationMode.BILINEAR 调整大小为 resize_size=[256]，然后进行 crop_size=[224] 的中心裁剪。 最后，首先将值重新缩放到 [0.0, 1.0]，然后使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 进行标准化。