googlenet

torchvision.models.googlenet(*, weights: Optional[GoogLeNet_Weights] = None, progress: bool = True, **kwargs: Any) → GoogLeNet

來自 Going Deeper with Convolutions 的 GoogLeNet (Inception v1) 模型架構。

參數:

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

• progress (bool, optional) – 如果為 True，則會顯示下載到 stderr 的進度條。 預設為 True。

• **kwargs – 傳遞給 torchvision.models.GoogLeNet 基底類別的參數。有關此類別的更多詳細資訊，請參閱原始碼。

class torchvision.models.GoogLeNet_Weights(value)

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

GoogLeNet_Weights.IMAGENET1K_V1:

這些權重移植自原始論文。 也可用作 GoogLeNet_Weights.DEFAULT。

acc@1（在 ImageNet-1K 上）	69.778
acc@5（在 ImageNet-1K 上）	89.53
num_params	6624904
min_size	height=15, width=15
categories	tench, goldfish, great white shark, … (省略 997 個)
recipe	link
GFLOPS	1.50
檔案大小	49.7 MB

推論轉換可在 GoogLeNet_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) 和單一的 (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，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] 進行正規化。