densenet161

torchvision.models.densenet161(*, weights: Optional[DenseNet161_Weights] = None, progress: bool = True, **kwargs: Any) → DenseNet

來自Densely Connected Convolutional Networks的 Densenet-161 模型。

參數:

• weights (DenseNet161_Weights, optional) – 要使用的預訓練權重。請參閱下方的 DenseNet161_Weights 以取得更多詳細資訊和可能的值。預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則將下載進度條顯示至 stderr。預設值為 True。

• **kwargs – 傳遞至 torchvision.models.densenet.DenseNet 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.DenseNet161_Weights(value)

上面的模型建構器接受以下值作為 weights 參數。DenseNet161_Weights.DEFAULT 等同於 DenseNet161_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

DenseNet161_Weights.IMAGENET1K_V1:

這些權重是從 LuaTorch 移植而來。也以 DenseNet161_Weights.DEFAULT 提供。

acc@1 (在 ImageNet-1K 上)	77.138
acc@5 (在 ImageNet-1K 上)	93.56
min_size	height=29, width=29
categories	tench, goldfish, great white shark, … (省略 997 個)
recipe	link
num_params	28681000
GFLOPS	7.73
檔案大小	110.4 MB

推論轉換可在 DenseNet161_Weights.IMAGENET1K_V1.transforms 取得，並執行以下預處理操作：接受 PIL.Image、批次 (B, C, H, W) 和單張 (C, H, W) 影像 torch.Tensor 物件。影像會使用 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，值會先重新縮放至 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行正規化。