vgg16_bn

torchvision.models.vgg16_bn(*, weights: Optional[VGG16_BN_Weights] = None, progress: bool = True, **kwargs: Any) → VGG

VGG-16-BN 来自 Very Deep Convolutional Networks for Large-Scale Image Recognition（用于大规模图像识别的超深度卷积网络）。

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，请参阅下文的 VGG16_BN_Weights。默认情况下，不使用预训练权重。

• progress (bool, 可选) – 如果为 True，则在标准错误输出中显示下载进度条。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a href="https://github.com/pytorch/vision/blob/main/torchvision/models/vgg.py">阅源代码。

class torchvision.models.VGG16_BN_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。VGG16_BN_Weights.DEFAULT 等效于 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训练方法从头开始训练的。也可用作 VGG16_BN_Weights.DEFAULT。

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	丁鱥, 金鱼, 大白鲨, … (省略 997 个)
训练方法	链接
参数数量	138365992
GFLOPS	15.47
文件大小	527.9 MB

推理转换可在 VGG16_BN_Weights.IMAGENET1K_V1.transforms 中获取，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 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 缩放至 resize_size=[256]，然后进行中心裁剪至 crop_size=[224]。最后，值首先缩放至 [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。