alexnet¶
- torchvision.models.alexnet(*, weights: Optional[AlexNet_Weights] = None, progress: bool = True, **kwargs: Any) AlexNet[source]¶
AlexNet模型架构来自并行化卷积神经网络的一个奇怪技巧。
注意
AlexNet最初是在ImageNet Classification with Deep Convolutional Neural Networks论文中提出的。我们的实现基于上述的“One weird trick”论文。
- Parameters:
weights (
AlexNet_Weights, 可选) – 使用的预训练权重。有关更多详情和可能的值，请参见下面的AlexNet_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上显示下载进度条。默认值为True。
**kwargs – 传递给
torchvision.models.squeezenet.AlexNet基类的参数。请参阅源代码 以获取有关此类的更多详细信息。
- class torchvision.models.AlexNet_Weights(value)[source]¶
上面的模型构建器接受以下值作为
weights参数。AlexNet_Weights.DEFAULT等同于AlexNet_Weights.IMAGENET1K_V1。你也可以使用字符串，例如weights='DEFAULT'或weights='IMAGENET1K_V1'。AlexNet_Weights.IMAGENET1K_V1:
这些权重使用简化的训练方法，能够紧密复现论文中的结果。 也可作为
AlexNet_Weights.DEFAULT使用。准确率@1（在ImageNet-1K上）
56.522
acc@5 (在 ImageNet-1K 上)
79.066
num_params
61100840
最小尺寸
高度=63, 宽度=63
分类
鲶鱼，金鱼，大白鲨，…（省略997种）
食谱
GFLOPS
0.71
文件大小
233.1 MB
推理转换可在
AlexNet_Weights.IMAGENET1K_V1.transforms中找到，并执行以下预处理操作：接受PIL.Image、批处理(B, C, H, W)和单张(C, H, W)图像torch.Tensor对象。图像使用interpolation=InterpolationMode.BILINEAR调整大小为resize_size=[256]，然后进行crop_size=[224]的中心裁剪。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。
