vgg19_bn

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

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)

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' 或 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] 和 std=[0.229, 0.224, 0.225] 进行归一化。