同步操作将从 OpenDocCN/pytorch-doc-zh 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
torchvision.models
模块的 子模块中包含以下模型结构。
可以通过调用构造函数来构造具有随机权重的模型:
import torchvision.models as models
resnet18 = models.resnet18()
alexnet = models.alexnet()
squeezenet = models.squeezenet1_0()
densenet = models.densenet_161()
我们提供的 Pathway 变体和 alexnet 预训练的模型,利用 pytorch 的torch.utils.model_zoo
。这些可以通过构建pretrained=True
:
import torchvision.models as models
resnet18 = models.resnet18(pretrained=True)
alexnet = models.alexnet(pretrained=True)
所有预训练的模型的期望输入图像相同的归一化,即小批量形状通道的 RGB 图像(3 x H x W),其中 H 和 W 预计将至少 224。这些图像必须被加载到[ 0, 1 ]的范围内,然后使用平均= [ 0.485,0.456,0.406 ]和 STD=[ 0.229,0.224,0.225 ]进行归一化。您可以使用以下转换来正常化:
normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406],std=[0.229, 0.224, 0.225])
这种规范化的一个例子可以在这里找到 ImageNet 的例子 ImageNet 1-crop 错误率(224x224)
Network | Top-1 error | Top-5 error |
---|---|---|
ResNet-18 | 30.24 | 10.92 |
ResNet-34 | 26.70 | 8.58 |
ResNet-50 | 23.85 | 7.13 |
ResNet-101 | 22.63 | 6.44 |
ResNet-152 | 21.69 | 5.94 |
Inception v3 | 22.55 | 6.44 |
AlexNet | 43.45 | 20.91 |
VGG-11 | 30.98 | 11.37 |
VGG-13 | 30.07 | 10.75 |
VGG-16 | 28.41 | 9.62 |
VGG-19 | 27.62 | 9.12 |
SqueezeNet 1.0 | 41.90 | 19.58 |
SqueezeNet 1.1 | 41.81 | 19.38 |
Densenet-121 | 25.35 | 7.83 |
Densenet-169 | 24.00 | 7.00 |
Densenet-201 | 22.80 | 6.43 |
Densenet-161 | 22.35 | 6.20 |
torchvision.models.alexnet(pretrained=False, ** kwargs)
AlexNet 模型结构 paper 地址
pretrained (bool) – True, 返回在 ImageNet 上训练好的模型。
torchvision.models.resnet18(pretrained=False, ** kwargs)
构建一个 resnet18 模型 pretrained (bool) – True, 返回在 ImageNet 上训练好的模型。
torchvision.models.resnet34(pretrained=False, ** kwargs)
构建一个 ResNet-34 模型. Parameters: pretrained (bool) – True, 返回在 ImageNet 上训练好的模型。
torchvision.models.resnet50(pretrained=False, ** kwargs)
构建一个 ResNet-50 模型
pretrained (bool) – True, 返回在 ImageNet 上训练好的模型。
torchvision.models.resnet101(pretrained=False, ** kwargs)
构建一个 ResNet-101 模型.
pretrained (bool) – True, 返回在 ImageNet 上训练好的模型。
torchvision.models.resnet152(pretrained=False, ** kwargs)
构建一个 ResNet-152 模型.
pretrained (bool) – True, 返回在 ImageNet 上训练好的模型。
torchvision.models.vgg11(pretrained=False, ** kwargs)
VGG 11-layer model (configuration “A”) -
pretrained (bool) – True, 返回在 ImageNet 上训练好的模型。
torchvision.models.vgg11_bn(** kwargs)
VGG 11-layer model (configuration “A”) with batch normalization
torchvision.models.vgg13(pretrained=False, ** kwargs)
VGG 13-layer model (configuration “B”)
pretrained (bool) – True, 返回在 ImageNet 上训练好的模型。
torchvision.models.vgg13_bn(** kwargs)
VGG 13-layer model (configuration “B”) with batch normalization
torchvision.models.vgg16(pretrained=False, ** kwargs)
VGG 16-layer model (configuration “D”)
Parameters: pretrained (bool) – If True, returns a model pre-trained on ImageNet
torchvision.models.vgg16_bn(** kwargs)
VGG 16-layer model (configuration “D”) with batch normalization
torchvision.models.vgg19(pretrained=False, ** kwargs)
VGG 19-layer model (configuration “E”)
pretrained (bool) – True, 返回在 ImageNet 上训练好的模型。
torchvision.models.vgg19_bn(** kwargs)
VGG 19-layer model (configuration ‘E’) with batch normalization
用户名 | 头像 | 职能 | 签名 |
---|---|---|---|
Song | 翻译 | 人生总要追求点什么 |
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。