googlenet¶
- torchvision.models.googlenet(*, weights: Optional[GoogLeNet_权重] = None, progress: bool = True, **kwargs: Any) GoogLeNet[source]¶
GoogLeNet (Inception v1) 模型架构来自 Going Deeper with Convolutions。
- Parameters:
weights (
GoogLeNet_Weights, 可选) – 模型的预训练权重。有关更多详情和可能的值，请参见下面的GoogLeNet_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.GoogLeNet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.GoogLeNet_Weights(value)[source]¶
上面的模型构建器接受以下值作为
weights参数。GoogLeNet_Weights.DEFAULT等同于GoogLeNet_Weights.IMAGENET1K_V1。你也可以使用字符串，例如weights='DEFAULT'或weights='IMAGENET1K_V1'。GoogLeNet_Weights.IMAGENET1K_V1:
这些权重是从原始论文中移植的。 也可以作为
GoogLeNet_Weights.DEFAULT使用。准确率@1（在ImageNet-1K上）
69.778
acc@5 (在 ImageNet-1K 上)
89.53
num_params
6624904
最小尺寸
高度=15, 宽度=15
分类
鲶鱼，金鱼，大白鲨，…（省略997种）
食谱
GFLOPS
1.50
文件大小
49.7 MB
推理转换可在
GoogLeNet_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。
