VGG

카테고리: CNN · 코드: timm/models/vgg.py · 아키텍처: 8 · 프리트레인드 가중치: 8 (ImageNet-1k 결과 포함 8개)

torchvision에서 가져와 timm 기능을 추가한, 3x3 컨볼루션이 적층된 VGG 네트워크입니다.

논문

대규모 이미지 인식을 위한 매우 깊은 합성곱 신경망

사용

사전 학습된 가중치 로드, 이미지 전처리 및 파인튜닝에 대해서는 Quickstart를, 모델을 백본으로 사용하는 방법에 대해서는 Feature Extraction을 참고하세요.

>>> import timm
>>> model = timm.create_model('vgg11.tv_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

모델 API 지원

기능	`VGG`
`features_only=True` feature map	✓ (strides 1, 2, 4, 8, 16, 32)
`forward_intermediates()`	✓
`prune_intermediate_layers()`	✓
입력 크기 무관, 변경 불필요	✓
`set_input_size()`	–
`dynamic_img_size=True`	–
`set_grad_checkpointing()`	✗
레이어별 LR 감쇠(`group_matcher()`)	✓
`reset_classifier()`	✓

✓ 지원됨, ✓ (정사각형) 정사각형 크기만 작동, ✗ 미지원, – 필요 없음(모델이 이미 모든 입력 크기를 허용). 무작위 초기화된 모델(VGG의 vgg11, 224)에서 각 기능을 실행하여 확인했으며, 같은 클래스의 다른 아키텍처도 동일한 동작을 하는 것으로 예상됩니다. 자세한 내용은 Model API 페이지를 참조하세요.

아키텍처

아키텍처	매개변수 (M)	GMAC	입력 크기	사전 학습된 가중치
`vgg11`	132.86	7.61	224	1
`vgg11_bn`	132.87	7.62	224	1
`vgg13`	133.05	11.31	224	1
`vgg13_bn`	133.05	11.33	224	1
`vgg16`	138.36	15.47	224	1
`vgg16_bn`	138.37	15.50	224	1
`vgg19`	143.67	19.63	224	1
`vgg19_bn`	143.68	19.66	224	1

GMACs와 매개변수 수는 각 아키텍처의 기본 입력 크기 및 분류기에 대한 값이며, 벤치마크 결과에서 가져왔습니다.

사전 학습된 가중치

Top-1은 results-imagenet.csv에 나열된 평가 크기에서 측정된 ImageNet-1k 검증 정확도입니다. - 가중치에 ImageNet-1k 결과가 없는 경우(예: 사전 학습 또는 이미지-텍스트 가중치)에는 표시하지 않습니다. Classes는 사전 학습된 분류기의 크기를 나타내며, 분류기가 없는 가중치의 경우 none입니다.

가중치	입력 크기	Top-1(%)	평가 크기	클래스	라이선스	Hub
`vgg11.tv_in1k`	224	69.050	224	1000	bsd-3-clause	timm
`vgg11_bn.tv_in1k`	224	70.374	224	1000	bsd-3-clause	timm
`vgg13.tv_in1k`	224	69.950	224	1000	bsd-3-clause	timm
`vgg13_bn.tv_in1k`	224	71.560	224	1000	bsd-3-clause	timm
`vgg16.tv_in1k`	224	71.594	224	1000	bsd-3-clause	timm
`vgg16_bn.tv_in1k`	224	73.354	224	1000	bsd-3-clause	timm
`vgg19.tv_in1k`	224	72.400	224	1000	bsd-3-clause	timm
`vgg19_bn.tv_in1k`	224	74.230	224	1000	bsd-3-clause	timm

Update on GitHub