vgg11_bn

torchvision.models.vgg11_bn(*, weights: Optional[VGG11_BN_Weights] = None, progress: bool = True, **kwargs: Any) → VGG

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

参数:

• weights (VGG11_BN_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 VGG11_BN_Weights。默认情况下，不使用预训练权重。

• progress (布尔值, 可选) – 如果为 True，则在标准错误输出中显示下载进度条。默认值为 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_BN_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。VGG11_BN_Weights.DEFAULT 等同于 VGG11_BN_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

VGG11_BN_Weights.IMAGENET1K_V1:

这些权重是使用简化训练方案从头开始训练的。也可用作 VGG11_BN_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	70.37
acc@5 (在 ImageNet-1K 上)	89.81
最小尺寸	高度=32, 宽度=32
类别	丁鲷, 金鱼, 大白鲨, … (省略 997 个)
方案	链接
参数数量	132868840
GFLOPS	7.61
文件大小	506.9 MB

推理转换可在 VGG11_BN_Weights.IMAGENET1K_V1.transforms 获取，并执行以下预处理操作：接受 PIL.Image、批处理的 (B, C, H, W) 以及单个 (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]，然后进行中心裁剪，裁剪大小为 crop_size=[224]。最后，先将值重新缩放到 [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。