densenet161

torchvision.models.densenet161(*, weights: Optional[DenseNet161_Weights] = None, progress: bool = True, **kwargs: Any) → DenseNet

来自 密集连接卷积网络 的 DenseNet-161 模型。

参数:

• weights (DenseNet161_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，请参见下面的 DenseNet161_Weights。默认情况下，不使用任何预训练权重。

• progress (布尔值，可选) – 如果为 True，则将下载进度条显示到标准错误输出。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，请参阅 源代码。

类 torchvision.models.DenseNet161_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。DenseNet161_Weights.DEFAULT 等效于 DenseNet161_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

DenseNet161_Weights.IMAGENET1K_V1:

这些权重是从 LuaTorch 移植的。也可以作为 DenseNet161_Weights.DEFAULT 使用。

acc@1（在 ImageNet-1K 上）	77.138
acc@5（在 ImageNet-1K 上）	93.56
最小尺寸	高度=29，宽度=29
类别	tench、goldfish、great white shark、…（省略 997 个）
方法	链接
参数数量	28681000
GFLOPS	7.73
文件大小	110.4 MB

推理转换在 DenseNet161_Weights.IMAGENET1K_V1.transforms 中可用，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 调整大小到 resize_size=[256]，然后进行 crop_size=[224] 的中心裁剪。最后，将值首先重新缩放到 [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。