快捷方式

vgg13_bn

torchvision.models.vgg13_bn(*, weights: Optional[VGG13_BN_Weights] = None, progress: bool = True, **kwargs: Any) VGG[source]

VGG-13-BN 模型,出自 Very Deep Convolutional Networks for Large-Scale Image Recognition

参数:
  • weights (VGG13_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,请参阅下文的 VGG13_BN_Weights。默认情况下,不使用预训练权重。

  • progress (bool, 可选) – 如果为 True,则在 stderr 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.VGG13_BN_Weights(value)[source]

上面的模型构建器接受以下值作为 weights 参数。VGG13_BN_Weights.DEFAULT 等效于 VGG13_BN_Weights.IMAGENET1K_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='IMAGENET1K_V1'

VGG13_BN_Weights.IMAGENET1K_V1:

这些权重是使用简化训练方法从头训练的。也可用作 VGG13_BN_Weights.DEFAULT

acc@1 (on ImageNet-1K)

71.586

acc@5 (on ImageNet-1K)

90.374

min_size

height=32, width=32

类别

tench, goldfish, great white shark, … (省略 997 个)

训练方法

链接

num_params

133053736

GFLOPS

11.31

文件大小

507.6 MB

推理变换可在 VGG13_BN_Weights.IMAGENET1K_V1.transforms 处获取,并执行以下预处理操作:接受 PIL.Image、批处理的 (B, C, H, W) 和单张的 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 重塑大小至 resize_size=[256],接着进行中心裁剪至 crop_size=[224]。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] 进行归一化。

文档

访问 PyTorch 的完整开发者文档

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