densenet169

torchvision.models.densenet169(*, weights: Optional[DenseNet169_Weights] = None, progress: bool = True, **kwargs: Any) → DenseNet

來自 Densely Connected Convolutional Networks 的 Densenet-169 模型。

引數：

• weights (DenseNet169_Weights, 可選) – 要使用的預訓練權重。有關更多詳細資訊和可能的值，請參見下方的 DenseNet169_Weights。預設情況下，不使用預訓練權重。

• progress (bool, 可選) – 如果為 True，則向標準錯誤輸出顯示下載進度條。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.DenseNet169_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。 DenseNet169_Weights.DEFAULT 等同於 DenseNet169_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

DenseNet169_Weights.IMAGENET1K_V1:

這些權重從 LuaTorch 移植而來。也可作為 DenseNet169_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	75.6
acc@5 (在 ImageNet-1K 上)	92.806
最小尺寸	高度=29, 寬度=29
類別	丁鱥, 金魚, 大白鯊, … (省略 997 個)
配方	連結
引數數量	14149480
GFLOPS	3.36
檔案大小	54.7 MB

推理變換可在 DenseNet169_Weights.IMAGENET1K_V1.transforms 中找到，並執行以下預處理操作：接受 PIL.Image 物件、批處理的 (B, C, H, W) 和單個的 (C, H, W) 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，先將值縮放到 [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。