快捷方式

densenet121

torchvision.models.densenet121(*, weights: Optional[DenseNet121_Weights] = None, progress: bool = True, **kwargs: Any) DenseNet[源代码]

来自 Densely Connected Convolutional Networks 的 Densenet-121 模型。

参数:
  • weights (DenseNet121_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,请参阅下方的 DenseNet121_Weights。默认情况下,不使用预训练权重。

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

  • **kwargs – 传递给 torchvision.models.densenet.DenseNet 基类的参数。有关此类的更多详细信息,请参考源代码

class torchvision.models.DenseNet121_Weights(value)[源代码]

上述模型构建器接受以下值作为 weights 参数。DenseNet121_Weights.DEFAULT 等效于 DenseNet121_Weights.IMAGENET1K_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='IMAGENET1K_V1'

DenseNet121_Weights.IMAGENET1K_V1:

这些权重是从 LuaTorch 迁移过来的。也可通过 DenseNet121_Weights.DEFAULT 获取。

acc@1 (在 ImageNet-1K 上)

74.434

acc@5 (在 ImageNet-1K 上)

91.972

min_size

高度=29, 宽度=29

类别

丁鲷, 金鱼, 大白鲨, ... (省略 997 个)

训练配方

链接

num_params

7978856

GFLOPS

2.83

文件大小

30.8 MB

推理转换可从 DenseNet121_Weights.IMAGENET1K_V1.transforms 获取,并执行以下预处理操作:接受 PIL.Image、批量 (B, C, H, W) 和单张 (C, H, W) 图像的 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 被调整大小到 resize_size=[256],然后进行 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]std=[0.229, 0.224, 0.225] 进行归一化。

文档

查阅 PyTorch 全面的开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获取问题解答

查看资源