快捷方式

inception_v3

torchvision.models.inception_v3(*, weights: Optional[Inception_V3_Weights] = None, progress: bool = True, **kwargs: Any) Inception3[源代码]

来自 重新思考计算机视觉的 Inception 架构 的 Inception v3 模型架构。

注意

**重要事项:** 与其他模型不同,inception_v3 期望大小为 N x 3 x 299 x 299 的张量,因此请确保您的图像大小适当。

参数:
  • weights (Inception_V3_Weights,可选) – 模型的预训练权重。有关更多详细信息和可能的值,请参见下面的 Inception_V3_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.Inception3 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.Inception_V3_Weights(value)[源代码]

上面的模型构建器接受以下值作为 weights 参数。 Inception_V3_Weights.DEFAULT 等效于 Inception_V3_Weights.IMAGENET1K_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='IMAGENET1K_V1'

Inception_V3_Weights.IMAGENET1K_V1:

这些权重是从原始论文移植过来的。也可以作为 Inception_V3_Weights.DEFAULT 获得。

acc@1(在 ImageNet-1K 上)

77.294

acc@5(在 ImageNet-1K 上)

93.45

num_params

27161264

min_size

height=75, width=75

categories

tench, goldfish, great white shark, … (997 omitted)

recipe

link

GFLOPS

5.71

文件大小

103.9 MB

推理变换可在 Inception_V3_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=[342],然后进行 crop_size=[299] 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]std=[0.229, 0.224, 0.225] 进行归一化。

文档

访问 PyTorch 的综合开发者文档

查看文档

教程

获取针对初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源