densenet121

torchvision.models.densenet121(*, weights: Optional[DenseNet121_Weights] = None, progress: bool = True, **kwargs: Any) → DenseNet

來自 Densely Connected Convolutional Networks 的 Densenet-121 模型。

參數:

• weights (DenseNet121_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 DenseNet121_Weights。 預設情況下，不使用預先訓練的權重。

• progress (bool, optional) – 如果為 True，則會將下載的進度條顯示到 stderr。 預設值為 True。

• **kwargs – 傳遞到 torchvision.models.densenet.DenseNet 基底類別的參數。 有關此類別的更多詳細資訊，請參閱 原始程式碼。

class torchvision.models.DenseNet121_Weights(value)

上面的模型建構器接受以下值作為 weights 參數。 DenseNet121_Weights.DEFAULT 等同於 DenseNet121_Weights.IMAGENET1K_V1。 您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

DenseNet121_Weights.IMAGENET1K_V1:

這些權重是從 LuaTorch 移植過來的。 也可作為 DenseNet121_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	74.434
acc@5 (在 ImageNet-1K 上)	91.972
min_size	高度=29, 寬度=29
分類	丁鱍, 金魚, 大白鯊, … (省略 997)
配方	連結
參數數量	7978856
GFLOPS	2.83
檔案大小	30.8 MB

推論轉換可在 DenseNet121_Weights.IMAGENET1K_V1.transforms 中取得，並執行以下預處理操作： 接受 PIL.Image、批次化的 (B, C, H, W) 和單個 (C, H, W) 圖像 torch.Tensor 物件。 圖像使用 interpolation=InterpolationMode.BILINEAR 調整大小至 resize_size=[256]，然後進行 crop_size=[224] 的中心裁剪。 最後，這些值首先重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行歸一化。