vgg19

torchvision.models.vgg19(*, weights: Optional[VGG19_Weights] = None, progress: bool = True, **kwargs: Any) → VGG

VGG-19，來自《用於大規模影像識別的超深度卷積網路》論文。

引數：

• weights (VGG19_Weights, optional) – 要使用的預訓練權重。更多詳情及可能的值請參閱下方的 VGG19_Weights。預設不使用預訓練權重。

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

• **kwargs – 傳遞給 torchvision.models.vgg.VGG 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.VGG19_Weights(value)

上述模型構建器接受以下值作為 weights 引數。VGG19_Weights.DEFAULT 等同於 VGG19_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

VGG19_Weights.IMAGENET1K_V1:

這些權重是使用簡化的訓練方法從頭開始訓練的。也可透過 VGG19_Weights.DEFAULT 獲取。

Top-1 準確率 (在 ImageNet-1K 上)	72.376
Top-5 準確率 (在 ImageNet-1K 上)	90.876
最小尺寸	高=32，寬=32
類別	丁鱥、金魚、大白鯊，… (省略 997 個)
訓練方法	連結
引數數量	143667240
GFLOPS	19.63
檔案大小	548.1 MB

推理轉換可透過 VGG19_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。使用 interpolation=InterpolationMode.BILINEAR 將影像大小調整到 resize_size=[256]，接著進行 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] 進行標準化。