快捷方式

vgg11

torchvision.models.vgg11(*, weights: Optional[VGG11_Weights] = None, progress: bool = True, **kwargs: Any) VGG[source]

来自 Very Deep Convolutional Networks for Large-Scale Image Recognition 的 VGG-11。

参数:
  • weights (VGG11_Weights, optional) – 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 VGG11_Weights。默认情况下,不使用预训练权重。

  • progress (bool, optional) – 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.vgg.VGG 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.VGG11_Weights(value)[source]

上述模型构建器接受以下值作为 weights 参数。VGG11_Weights.DEFAULT 等同于 VGG11_Weights.IMAGENET1K_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='IMAGENET1K_V1'

VGG11_Weights.IMAGENET1K_V1:

这些权重是使用简化的训练方案从头开始训练的。也可通过 VGG11_Weights.DEFAULT 获取。

acc@1 (在 ImageNet-1K 上)

69.02

acc@5 (在 ImageNet-1K 上)

88.628

最小尺寸

高=32,宽=32

类别

丁鱥、金鱼、大白鲨,…(省略 997 个)

方案

链接

参数数量

132863336

GFLOPS

7.61

文件大小

506.8 MB

推理转换可在 VGG11_Weights.IMAGENET1K_V1.transforms 获取,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) 图像的 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 方法将 resize_size 调整到 [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] 进行标准化。

文档

查阅 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发者的深度教程

查看教程

资源

查找开发资源并获得问题解答

查看资源