googlenet

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

GoogLeNet（Inception v1）模型架構，摘自 Going Deeper with Convolutions。

引數：

• weights (GoogLeNet_Weights, 可選) – 模型的預訓練權重。有關更多詳細資訊和可能的值，請參閱下文的 GoogLeNet_Weights。預設情況下，不使用預訓練權重。

• progress (bool, 可選) – 如果為 True，則在標準錯誤輸出中顯示下載進度條。預設值為 True。

• **kwargs – 傳遞給 torchvision.models.GoogLeNet 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.GoogLeNet_Weights(value)

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

GoogLeNet_Weights.IMAGENET1K_V1:

這些權重是從原始論文移植而來。也可透過 GoogLeNet_Weights.DEFAULT 獲取。

acc@1（在 ImageNet-1K 上）	69.778
acc@5（在 ImageNet-1K 上）	89.53
引數數量	6624904
最小尺寸	高=15, 寬=15
類別	丁鱥, 金魚, 大白鯊, ... (省略 997 項)
秘籍	連結
GFLOPS	1.50
檔案大小	49.7 MB

推理變換可透過 GoogLeNet_Weights.IMAGENET1K_V1.transforms 獲取，並執行以下預處理操作：接受 PIL.Image 物件、批處理的 (B, C, H, W) 影像 torch.Tensor 物件和單張 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 重置大小到 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。