densenet169

torchvision.models.densenet169(*, weights: Optional[DenseNet169_Weights] = None, progress: bool = True, **kwargs: Any) → DenseNet

来自 Densely Connected Convolutional Networks 的 Densenet-169 模型。

参数：

• weights (DenseNet169_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，请参见下方的 DenseNet169_Weights。默认情况下，不使用预训练权重。

• progress (bool, 可选) – 如果为 True，则向标准错误输出显示下载进度条。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，请参阅源代码。

class torchvision.models.DenseNet169_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 DenseNet169_Weights.DEFAULT 等同于 DenseNet169_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

DenseNet169_Weights.IMAGENET1K_V1:

这些权重从 LuaTorch 移植而来。也可作为 DenseNet169_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	75.6
acc@5 (在 ImageNet-1K 上)	92.806
最小尺寸	高度=29, 宽度=29
类别	丁鱥, 金鱼, 大白鲨, … (省略 997 个)
配方	链接
参数数量	14149480
GFLOPS	3.36
文件大小	54.7 MB

推理变换可在 DenseNet169_Weights.IMAGENET1K_V1.transforms 中找到，并执行以下预处理操作：接受 PIL.Image 对象、批处理的 (B, C, H, W) 和单个的 (C, H, W) 图像 torch.Tensor 对象。使用 interpolation=InterpolationMode.BILINEAR 将图像大小调整为 resize_size=[256]，然后进行 crop_size=[224] 的中心裁剪。最后，先将值缩放到 [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。