vgg19

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

VGG-19，来自《用于大规模图像识别的超深度卷积网络》论文。

参数：

• weights (VGG19_Weights, optional) – 要使用的预训练权重。更多详情及可能的值请参阅下方的 VGG19_Weights。默认不使用预训练权重。

• progress (bool, optional) – 如果为 True，则在标准错误输出显示下载进度条。默认值为 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)

上述模型构建器接受以下值作为 weights 参数。VGG19_Weights.DEFAULT 等同于 VGG19_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

VGG19_Weights.IMAGENET1K_V1:

这些权重是使用简化的训练方法从头开始训练的。也可通过 VGG19_Weights.DEFAULT 获取。

Top-1 准确率 (在 ImageNet-1K 上)	72.376
Top-5 准确率 (在 ImageNet-1K 上)	90.876
最小尺寸	高=32，宽=32
类别	丁鱥、金鱼、大白鲨，… (省略 997 个)
训练方法	链接
参数数量	143667240
GFLOPS	19.63
文件大小	548.1 MB

推理转换可通过 VGG19_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。使用 interpolation=InterpolationMode.BILINEAR 将图像大小调整到 resize_size=[256]，接着进行 crop_size=[224] 的中心裁剪。最后，值首先被重新缩放到 [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。