alexnet

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

AlexNet 模型架构，出自论文《One weird trick for parallelizing convolutional neural networks》。

注意

AlexNet 最初是在论文《ImageNet Classification with Deep Convolutional Neural Networks》中提出的。我们的实现则基于上文提到的《One weird trick》论文。

参数：

• weights (AlexNet_Weights，可选) – 要使用的预训练权重。请参阅下文的 AlexNet_Weights 以了解更多详细信息和可能的值。默认情况下不使用预训练权重。

• progress (bool, 可选) – 如果为 True，则向 stderr 显示下载进度条。默认为 True。

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

class torchvision.models.AlexNet_Weights(value)

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

AlexNet_Weights.IMAGENET1K_V1:

这些权重使用简化的训练方法，可以很好地重现论文结果。也可使用 AlexNet_Weights.DEFAULT。

acc@1（在 ImageNet-1K 上）	56.522
acc@5（在 ImageNet-1K 上）	79.066
参数数量	61100840
最小尺寸	height=63, width=63
类别	丁鲷、金鱼、大白鲨等（省略 997 个）
方法	链接
GFLOPS	0.71
文件大小	233.1 MB

推理转换可通过 AlexNet_Weights.IMAGENET1K_V1.transforms 获取，并执行以下预处理操作：接受 PIL.Image 对象、批量 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。图像首先使用 interpolation=InterpolationMode.BILINEAR 将大小调整到 resize_size=[256]，然后进行中心裁剪，大小为 crop_size=[224]。最后，值首先被重缩放到 [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。