快捷方式

vgg19_bn

torchvision.models.vgg19_bn(*, weights: Optional[VGG19_BN_Weights] = None, progress: bool = True, **kwargs: Any) VGG[源代码]

VGG-19_BN,来自《用于大规模图像识别的非常深度的卷积网络》

参数
  • weights (VGG19_BN_Weights, optional) – 要使用的预训练权重。更多详细信息和可能的值,请参阅下方的 VGG19_BN_Weights。默认情况下不使用预训练权重。

  • progress (bool, optional) – 如果为 True,则向标准错误输出显示下载进度条。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,请参阅源代码

class torchvision.models.VGG19_BN_Weights(value)[源代码]

上述模型构建器接受以下值作为 weights 参数。VGG19_BN_Weights.DEFAULT 等同于 VGG19_BN_Weights.IMAGENET1K_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='IMAGENET1K_V1'

VGG19_BN_Weights.IMAGENET1K_V1:

这些权重是使用简化训练配方从头开始训练的。也可通过 VGG19_BN_Weights.DEFAULT 获取。

acc@1(在 ImageNet-1K 上)

74.218

acc@5(在 ImageNet-1K 上)

91.842

最小尺寸

height=32, width=32

类别

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

训练配方

链接

参数数量

143678248

GFLOPS

19.63

文件大小

548.1 MB

推理转换可在 VGG19_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,尺寸为 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]std=[0.229, 0.224, 0.225] 进行归一化。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发者的深度教程

查看教程

资源

查找开发资源并解答疑问

查看资源