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