alexnet

torchvision.models.alexnet(*, weights: Optional[AlexNet_Weights] = None, progress: bool = True, **kwargs: Any) → AlexNet

AlexNet 模型架構，出自論文《One weird trick for parallelizing convolutional neural networks》。

注意

AlexNet 最初是在論文《ImageNet Classification with Deep Convolutional Neural Networks》中提出的。我們的實現則基於上文提到的《One weird trick》論文。

引數：

• weights (AlexNet_Weights，可選) – 要使用的預訓練權重。請參閱下文的 AlexNet_Weights 以瞭解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, 可選) – 如果為 True，則向 stderr 顯示下載進度條。預設為 True。

• **kwargs – 傳遞給 torchvision.models.squeezenet.AlexNet 基類的引數。請參閱原始碼瞭解有關此類的更多詳細資訊。

class torchvision.models.AlexNet_Weights(value)

上述模型構建器接受以下值作為 weights 引數。AlexNet_Weights.DEFAULT 等同於 AlexNet_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

AlexNet_Weights.IMAGENET1K_V1:

這些權重使用簡化的訓練方法，可以很好地重現論文結果。也可使用 AlexNet_Weights.DEFAULT。

acc@1（在 ImageNet-1K 上）	56.522
acc@5（在 ImageNet-1K 上）	79.066
引數數量	61100840
最小尺寸	height=63, width=63
類別	丁鯛、金魚、大白鯊等（省略 997 個）
方法	連結
GFLOPS	0.71
檔案大小	233.1 MB

推理轉換可透過 AlexNet_Weights.IMAGENET1K_V1.transforms 獲取，並執行以下預處理操作：接受 PIL.Image 物件、批次 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像首先使用 interpolation=InterpolationMode.BILINEAR 將大小調整到 resize_size=[256]，然後進行中心裁剪，大小為 crop_size=[224]。最後，值首先被重縮放到 [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。