vgg16_bn¶
- torchvision.models.vgg16_bn(*, weights: Optional[VGG16_BN_Weights] = None, progress: bool = True, **kwargs: Any) VGG [source]¶
来自 用于大规模图像识别的非常深层的卷积网络 的 VGG-16-BN。
- 参数:
weights (
VGG16_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,请参阅下面的VGG16_BN_Weights
。默认情况下,不使用任何预训练权重。progress (bool, 可选) – 如果为 True,则将下载进度条显示到标准错误输出流。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.VGG16_BN_Weights(value)[source]¶
上面的模型构建器接受以下值作为
weights
参数。VGG16_BN_Weights.DEFAULT
等同于VGG16_BN_Weights.IMAGENET1K_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_V1'
。VGG16_BN_Weights.IMAGENET1K_V1:
这些权重是使用简化的训练配方从头开始训练的。也可以作为
VGG16_BN_Weights.DEFAULT
使用。acc@1 (在 ImageNet-1K 上)
73.36
acc@5 (在 ImageNet-1K 上)
91.516
最小尺寸
height=32, width=32
类别
tench, goldfish, great white shark, … (997 omitted)
配方
参数数量
138365992
GFLOPS
15.47
文件大小
527.9 MB
推理变换可在
VGG16_BN_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=[256]
,然后执行crop_size=[224]
的中央裁剪。最后,值首先重新缩放到[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。