googlenet

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

来自 《Going Deeper with Convolutions》 的 GoogLeNet (Inception v1) 模型架构。

参数:

• weights (GoogLeNet_Weights, 可选) – 模型的预训练权重。更多详情和可能的值，请参见下方的 GoogLeNet_Weights。默认情况下，不使用预训练权重。

• progress (bool, 可选) – 如果为 True，则在 stderr 上显示下载进度条。默认为 True。

• **kwargs – 传递给 torchvision.models.GoogLeNet 基类的参数。有关此类更多详情，请参阅 源代码。

class torchvision.models.GoogLeNet_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 GoogLeNet_Weights.DEFAULT 等同于 GoogLeNet_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

GoogLeNet_Weights.IMAGENET1K_V1:

这些权重是从原始论文移植过来的。也可通过 GoogLeNet_Weights.DEFAULT 获取。

acc@1 (在 ImageNet-1K 上)	69.778
acc@5 (在 ImageNet-1K 上)	89.53
参数数量	6624904
min_size	height=15, width=15
类别	丁鲱、金鱼、大白鲨、... (省略 997 个)
方案	链接
GFLOPS	1.50
文件大小	49.7 MB

推理转换可在 GoogLeNet_Weights.IMAGENET1K_V1.transforms 找到，并执行以下预处理操作：接受 PIL.Image、批处理 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。使用 interpolation=InterpolationMode.BILINEAR 将图像调整到 resize_size=[256]，然后进行中心裁剪 crop_size=[224]。最后，先将值缩放到 [0.0, 1.0]，然后使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 进行归一化。