alexnet¶
- torchvision.models.alexnet(*, weights: Optional[AlexNet_Weights] = None, progress: bool = True, **kwargs: Any) AlexNet [源代码]¶
来自 并行化卷积神经网络的一个奇怪技巧 的 AlexNet 模型架构。
注意
AlexNet 最初在 使用深度卷积神经网络进行 ImageNet 分类 论文中提出。我们的实现基于上面的“一个奇怪的技巧”论文。
- 参数:
weights (
AlexNet_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,请参阅下面的AlexNet_Weights
。默认情况下,不使用任何预训练权重。progress (bool, 可选) – 如果为 True,则在 stderr 上显示下载进度条。默认值为 True。
**kwargs – 传递给
torchvision.models.squeezenet.AlexNet
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.AlexNet_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。AlexNet_Weights.DEFAULT
等效于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配方,可以很好地再现论文的结果。也可以作为
AlexNet_Weights.DEFAULT
获得。acc@1 (在 ImageNet-1K 上)
56.522
acc@5 (在 ImageNet-1K 上)
79.066
num_params
61100840
min_size
height=63, width=63
categories
tench, goldfish, great white shark, … (997 项省略)
recipe
GFLOPS
0.71
文件大小
233.1 MB
推理转换可在
AlexNet_Weights.IMAGENET1K_V1.transforms
中获得,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,值首先重新缩放到[0.0, 1.0]
,然后使用mean=[0.485, 0.456, 0.406]
和std=[0.229, 0.224, 0.225]
进行归一化。