alexnet

torchvision.models.alexnet(*, weights: Optional[AlexNet_Weights] = None, progress: bool = True, **kwargs: Any) → AlexNet

來自 一種用於平行化卷積神經網路的奇怪技巧的 AlexNet 模型架構。

注意

AlexNet 最初在 具有深度卷積神經網路的 ImageNet 分類論文中介紹。 我們的實作改為基於上述“一種奇怪的技巧”論文。

參數:

• weights (AlexNet_Weights, optional) – 要使用的預訓練權重。 有關更多詳細資訊和可能的值，請參閱下面的 AlexNet_Weights。 預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則在 stderr 上顯示下載的進度列。 預設值為 True。

• **kwargs – 傳遞給 torchvision.models.squeezenet.AlexNet 基礎類別的參數。關於此類別的更多詳細資訊，請參閱原始碼。

class torchvision.models.AlexNet_Weights(value)

上面的模型建構器接受以下值作為 weights 參數。AlexNet_Weights.DEFAULT 等同於 AlexNet_Weights.IMAGENET1K_V1。 您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

AlexNet_Weights.IMAGENET1K_V1:

這些權重使用簡化的訓練方法，可以非常接近地重現論文的結果。AlexNet_Weights.DEFAULT 也可以使用。

acc@1 (在 ImageNet-1K 上)	56.522
acc@5 (在 ImageNet-1K 上)	79.066
num_params	61100840
min_size	height=63, width=63
categories	tench, goldfish, great white shark, … (省略 997 個)
recipe	link
GFLOPS	0.71
檔案大小	233.1 MB

推論轉換可在 AlexNet_Weights.IMAGENET1K_V1.transforms 中找到，並執行以下預處理操作：接受 PIL.Image、批次的 (B, C, H, W) 和單個 (C, H, W) 圖像 torch.Tensor 物件。 圖像會使用 interpolation=InterpolationMode.BILINEAR 調整大小為 resize_size=[256]，然後進行 crop_size=[224] 的中心裁剪。 最後，這些值會先重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行標準化。