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。

引數：

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

• progress (bool, optional) – 如果為 True，則向 stderr 顯示下載進度條。預設為 True。

• **kwargs – 傳遞給 torchvision.models.densenet.DenseNet 基類的引數。有關此類的更多詳細資訊，請參閱原始碼。

class torchvision.models.DenseNet161_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。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:

這些權重從 LuaTorch 移植而來。也可用作 DenseNet161_Weights.DEFAULT。

acc@1（在 ImageNet-1K 上）	77.138
acc@5（在 ImageNet-1K 上）	93.56
最小尺寸	height=29, width=29
類別	丁鯛、金魚、大白鯊等...（省略 997 個）
訓練配方	連結
引數數量	28681000
GFLOPS	7.73
檔案大小	110.4 MB

推理轉換位於 DenseNet161_Weights.IMAGENET1K_V1.transforms，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) 的影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BILINEAR 將影像大小調整為 resize_size=[256]，然後進行 crop_size=[224] 的中心裁剪。最後，值首先被重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行歸一化。