火把的预训练模型
pretrainedmodels的Python项目详细描述
#Pythorch的预训练模型（正在进行中）
本报告的目标是：
-帮助复制研究论文结果（例如传输学习设置），
-访问具有独特接口的预训练ConvNet/API，灵感来自TorchVision。
<；a href="https://travis ci.org/cadene/pretrained models.pytorch">；<；img src="https://api.travis-ci.org/cadene/pretrained-models.pytorch.svg？branch=master"/>；
news:
-27/10/2018：修复兼容性问题，添加测试，添加travis
-04/06/2018:[polynet]（https://github.com/cuhk-mmlab/polynet）和[pnasnet-5-large]（https://arxiv.org/abs/1712.00559）感谢[alex parinov]（https://github.com/creafz）
-16/04/2018:[se resnet*和se resnext*]（https://github.com/hujie-frank/senet）感谢[alex帕里诺夫]（https://github.com/creafz）
-2018年4月9日：[senet154]（https://github.com/hujie-frank/senet）感谢[alex parinov]（https://github.com/creafz）
-22/03/2018:cafferesnet101（很适合使用fasterrcnn进行本地化）
-21/03/2018:nasnet mobile感谢[veronikaYurchuk（https://github.com/veronikayurchuk）和[anastasiia]（https://github.com/dagnyt）
-25/01/2018：双路径网络感谢[ross wightman]（https://github.com/rwightman/pytorch dpn pretrained），异常感谢[t standley]（https://github.com/tstandley/xception pytorch），改进的transformimage api
-13/01/2018:`pip install pretrainedmodels`，`pretrainedmodels.model\u names`，`pretrainedmodels.pretrained\u settings`
-12/01/2018:`python setup.py install`
-08/12/2017:更新数据url（/！\`需要git pull）
-30/11/2017：改进api（`model.features（input）`，`model.logits（features）`，`model.forward（input）`，` model.last_linear`）
-16/11/2017:t.durand和r.cadene移植的nasnet-a-大型预训练模型
-22/07/2017:torchvision预训练模型
-22/07/2017:inceptionv4和inceptionresnetv2的动量为0.1
-17/07/2017:model.input_range attribution
-17/07/2017:binception在ImageNet上预先训练
摘要
-[安装]（https://github.com/cadene/pretrained models.pytorch安装）
-[快速示例]（https://github.com/cadene/pretrained models.pytorch快速示例）
-[很少使用案例]（https://github.com/cadene/pretrained models.pytorch很少使用案例）
-[计算ImageNet登录]（https://github.com/cadene/pretrained models.pytorch计算ImageNet登录）
-[计算ImageNet验证指标]（https://github.com/cadene/pretrained models.pytorch compute imagenet validation metrics）
-[对imagenet的评估]（https://github.com/cadene/pretrained models.pytorch对imagenet的评估）
-[准确性valset]（https://github.com/cadene/pretrained models.pytorch验证集的准确性）
-[复制结果]（https://github.com/cadene/pretrained models.pytorch复制结果）
-[文档]（https://github.com/cadene/pretrained models.pytorch文档）
-[可用模型]（https://github.com/cadene/pretrained models.pytorch可用模型）
-[alexnet]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[binception]（https://github.com/cadene/pretrained models.pytorch binception）
-[cafferesnet101]（https://github.com/cadene/pretrained models.pytorch caffe resnet）
-[densenet121]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[densenet161]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[邓森et169]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[邓森et201]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[邓森et201]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[双路径网68]（https://github.com/cadene/pretrained models.pytorch双路径网）
-[双路径网92]（https://github.com/cadene/pretrained models.pytorch dualpathnetworks）
-[dualpathnet98]（https://github.com/cadene/pretrained models.pytorch dualpathnetworks）
-[dualpathnet107]（https://github.com/cadene/pretrained models.pytorch dualpathnetworks）
-[DualPathNet113]（https://github.com/cadene/pretrained models.pytorch dualPathNetworks）
-[fbresnet152]（https://github.com/cadene/pretrained models.pytorch facebook resnet）
-[inceptionresnetv2]（https://github.com/cadene/pretrained models.pytorch inception）
-[激励v3]（https://github.com/cadene/pretrained models.pytorch inception）
-[激励v4]（https://github.com/cadene/pretrained models.pytorch inception）
-[nasnet-a-large]（https://github.com/cadene/pretrained models.pytorch nasnet）
-[NASNET-A-Mobile]（https://github.com/cadene/pretrained models.pytorch NASNET）
-[pnasnet-5-large]（https://github.com/cadene/pretrained models.pytorch pnasnet）
-[polynet]（https://github.com/cadene/pretrained models.pytorch polynet）
-[resnext101 x4d]（https://github.com/cadene/pretrained models.pytorch resnext）
-[resnext101 x4d]（https://github.com/cadene/pretrained models.pytorch resnext）
-[resnet101]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[resnet152]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[resnet18]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[resnet34]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[resnet50]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[senet154]（https://github.com/cadene/pretrained models.pytorch senet）
-[se-resnet50]（https://github.com/cadene/pretrained models.pytorch senet）
-[SE-Resnet101]（https://github.com/cadene/pretrained models.pytorch senet）
-[SE-resnet152]（https://github.com/cadene/pretrained models.pytorch senet）
-[SE-resnext50 u 32x4d]（https://github.com/cadene/pretrained models.pytorch senet）
-[SE-resnext101 x4d]（https://github.com/cadene/pretrained models.pytorch senet）
-[squezenet1_0]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[squezenet1_1]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[vgg11]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[vgg13]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[vgg16]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[vgg19]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[vgg11 bn]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[vgg13 bn]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[vgg16-bn]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[vgg19-bn]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[xception]（https://github.com/cadene/pretrained models.pytorch xception）
-[型号api]（https://github.com/cadene/pretrained models.pytorch model api）
-[模型输入大小]（https://github.com/cadene/pretrained models.pytorch model输入大小）
-[模型输入空间]（https://github.com/cadene/pretrained models.pytorch model输入空间）
-[型号.输入范围]（https://github.com/cadene/pretrained models.pytorch型号输入范围）
-[型号.平均值]（https://github.com/cadene/pretrained models.pytorch modelmane）
-[型号.标准]（https://github.com/cadene/pretrained models.pytorch model std）
-[模型.功能]（https://github.com/cadene/pretrained models.pytorch模型功能）
-[模型.登录]（https://github.com/cadene/pre训练模型。pytorch modellogits）
-[模型.转发]（https://github.com/cadene/pretrained models.pytorch model forward）
-[复制移植]（https://github.com/cadene/pretrained models.pytorch复制）
-[resnet*]（https://github.com/cadene/pretrained models.pytorch hand-porting-of-resnet152）
-[resnext*]（https://github.com/cadene/pretrained models.pytorch resnext的自动移植）
-[inception*]（https://github.com/cadene/pretrained models.pytorch hand-porting-of-inceptionv4-and-inceptionresnetv2）
[蟒蛇3号]（https://www.continuum.io/downloads）
2.[带/不带CUDA的Pythorch]（http://pytorch.org）
` pip从repo安装pretrainedmodels`
` git克隆https://github.com/cadene/pretrained models.pytorch.git`
4.` CD预处理模型。Pythorch`
5.` python setup.py install`
快速示例
-导入"pretrained models"：
``python
``import pretrainedmodels
````
-打印可用的pretrained模型：
``python
打印（pretrainedmodels.model\u names）
>；['fbresnet152'，"binception"、"resnext101_32x4d"、"resnext101_64x4d"、"inceptionv4"、"inceptionresnetv2"、"alexnet"、"densenet121"、"densenet169"、"densenet201"、"densenet161"、"resnet18"、"resnet34"、"resnet50"、"resnet101"、"resnet152"、"inceptionv3"、"squenet1_0"、"squenet1_1"、"vgg11"、"vgg11_bn"，"vgg13"、"vgg13-bn"、"vgg16"、"vgg16-bn"、"vgg19-bn"、"vgg19"、"nasnetalage"、"nasnetambile"、"cafferesnet101"、"senet154"、"se-resnet50"、"se-resnet101"、"se-resnet152"、"se-resnext50-u32x4d"、"se-resnext101-u32x4d"、"cafferesnet101"、"polynet"，"pnasnet5large"]
```
-要打印所选模型的可用预训练设置：
``python
打印（预训练模型。预训练设置['nasnetalage']）
>；{'imagenet'：{'url'：'http://data.lip6.fr/cadene/pretrainedmodels/nasnetalage-a1897284.pth'，'input撸space'："rgb"，"输入大小"：[331，331]，"输入范围"：[0，1]，"平均值"：[0.5，0.5，0.5]，"标准值"：[0.5，0.5，0.5]，"数值类"：1000}，"图像网+背景"：{'url'："http://data.lip6.fr/cadene/pretrainedmodels/nasnetalage-a1897284.pth"，"输入空间"："rgb"，"输入大小"：[3，331，331]，'输入范围'：[0，1]，'平均值'：[0.5，0.5，0.5]，'标准值'：[0.5，0.5，0.5]，"num-classes"：1001}
```
-要从ImageNet加载预训练模型：
```python
model\name='nasnetalage'；可以是fbresnet152或inceptionresnetv2
model=pretrained models.[model\u name]（num-classes=1000，pretrained="imagenet"）
model.eval（）
```
**注意**：默认情况下，模型将下载到您的`$home/.torch'文件夹。您可以使用`$torch_model_zoo`变量修改此行为，如下所示：`export torch_model_zoo！'/local/pretrainedmodels`
-加载图像并执行完整的转发过程：
``python
import torch
import pretrainedmodels.utils as utils
load_img=utils.loadimage（）
#3x400x225->；3x299x299大小可能不同
需要_grad=false）
output_logits=model（input）1x1000
````
-提取功能（注意，此API不适用于所有网络）：
``python
output_features=model.features（input）1x14x2048大小可能不同=model.logits（output_features）1x1000
```
（https://github.com/cadene/pretrained-models.pytorch/blob/master/examples/imagenet_logits.py）使用imagenet上的预训练模型计算单个映像上类外观的登录名。
``````
$python examples/imagenet_logits.py-h
>；nasnetalage，resnet152，inceptionresnetv2，inceptionv4，…
```
```
$python examples/imagenet_logits.py-a nasnetalage--path_img data/cat.png
>；"nasnetalage"：data/cat.png是一只"老虎猫"
```
\compute imagenet evaluation metrics
-请参见[示例/imagenet eval.py]（https://github.com/cadene/pretrained-models.pytorch/blob/master/examples/imagenet eval.py）来评估imagenet valset上的预训练模型。
```
$python examples/imagenet_eval.py/local/common data/imagenet_2012/images-a nasnetalage-b 20-e
>；*acc@192.693，acc@5 96.13
````
---|---|---|---
pnasnet-5-large[tensorflow]（https://github.com/tensorflow/models/tree/master/research/slim）82.858 96.182
[pnasnet-5-large]（https://github.com/cadene/pretrained models.pytorch pnasnet）我们的端口82.736 95.992
nasnet-a-large|【Tensorflow】（https://github.com/tensorflow/models/tree/master/research/slim）82.693 96.163
【NASNET-A-LARGE】（https://github.com/cadene/pretrained models.pytorch NASNET）our porting 82.566 96.086
senet154【CAffe】（https://github.com/hujie-frank/senet）81.32|95.53
[senet154]（https://github.com/cadene/cadene/pretrained models.pytorch senet）我们的移植81.304 95.498
波利尼特[caffe]（https://github.com/cuhk-mmlab/polynet）81.29 95.75
[polynet]（https://github.com/cadene/pretrained models.pytorch polynet）我们的移植81.002.002；81.002；81.002；81.002是的|95.624
激励resnetv2[张力流]（https://github.com/tensorflow/models/tree/master/slim）80.4 95.3
激励v4[张力流]（https://github.com/tensorflow/models/tree/master/slim）80.2 95.3
[se-resnext101 32x4d]（https://github.com/cadene/pretrained models.pytorch senet）|我们的移植80.236 95.028
se-resnext101_32x4d[caffe]（https://github.com/hujie-frank/senet）80.19 95.04
[inceptionresnetv2]（https://github.com/cadene/pretrained models.pytorch inception）我们的移植80.170|95.234
[inceptionv4]（https://github.com/cadene/pretrained models.pytorch inception）我们的移植80.062 94.926
[dualpathnet107_u 5k]（https://github.com/cadene/pretrained models.pytorch dualpathnetworks）我们的移植79.746 94.684
resnext101_u 64x4d|[火炬7]（https://github.com/facebookresearch/resnext）79.6 94.7
[双路径网131]（https://github.com/cadene/pretrained models.pytorch dualpathnetworks）我们的移植79.432 94.574
[双路径网92（https://github.com/cadene/pretrained models.pytorch dualpathnetworks）我们的移植|79.400 94.620
[DualPathNet98]（https://github.com/cadene/pretrained models.pytorch dualPathNetworks）我们的移植79.224 94.488
[se-resnext50_u 32x4d]（https://github.com/cadene/pretrained models.pytorch senet）我们的移植79.076 94.434
se-resnext50 x4d|[咖啡馆]（https://github.com/hujie-frank/senet）79.03 94.46
[例外]（https://github.com/cadene/pretrained models.pytorch例外）[凯拉斯]（https://github.com/keras-team/keras/blob/master/keras/applications/xception.py）79.000|94.500
[resnext101_u 64x4d]（https://github.com/cadene/pretrained models.pytorch resnext）我们的移植78.956 94.252
[xception]（https://github.com/cadene/pretrained models.pytorch xception）我们的移植78.888 94.292
resnext101 x4d|[火炬7号]（https://github.com/facebookresearch/resnext）78.8 94.4
se-resnet152[咖啡馆]（https://github.com/hujie-frank/senet）78.66 94.46
【SE-resnet152】（https://github.com/cadene/cadene/pretrained models.pytorch-senet）我们的移植78.658 94.374
resnet152；【pytorch】（https://github.com/pytorch/vision models 78.428 94.110
【SE-resnet101】（https://github.com/cadene/pretrained models.pytorch-spectorch-senet）我们的移植78 78.78124; 78.658 78.658.396条|94.258
se-resnet101[caffe]（https://github.com/hujie-frank/senet）78.25 94.28
[resnext101 x4d]（https://github.com/cadene/pretrained models.pytorch resnext）我们的移植78.188 93.886
fbrenet152[torch7]（https://github.com/facebook/facebook/fb.resnet.resnet.torch）77.77.77.25 94.28 84个|93.84
se-resnet50[caffe]（https://github.com/hujie-frank/senet）77.63 93.64
[se-resnet50]（https://github.com/cadene/pretrained models.pytorch senet）our porting 77.636 93.752
[densenet161]（https://github.com/cadene/pretrained models.pytorch torchvision）|[火炬]（https://github.com/pytorch/vision models）77.560 93.798
[resnet101]（https://github.com/cadene/pretrained models.pytorch torchvision）[火炬]（https://github.com/pytorch/vision models）77.438|93.672
[fbresnet152]（https://github.com/cadene/pretrained models.pytorch facebook resnet）我们的移植77.386 93.594
[inceptionv3]（https://github.com/cadene/pretrained models.pytorch inception）[pytorch]（https://github.com/pytorch/vision models）77.294|93.454
[densenet201]（https://github.com/cadene/pretrained models.pytorch torchvision）[pytorch]（https://github.com/pytorch/vision models）77.152 93.548
[dualpathnet68b（https://github.com/cadene/pretrained models.pytorch dualpathnetworks）我们的端口77.034|93.590
[cafferesnet101]（https://github.com/cadene/pretrained models.pytorch caffe resnet）[caffe]（https://github.com/kaiminghe/deep-remained-networks）76.400 92.900
[cafferesnet101]（https://github.com/cadene/pretrained models.pytorch caffe resnet）我们的端口76.200|92.766
[densenet169]（https://github.com/cadene/pretrained models.pytorch torchvision）[pytorch]（https://github.com/pytorch/vision models）76.026 92.992
[resnet50]（https://github.com/cadene/pretrained models.pytorch[pytorch]（https://github.com/pytorch/vision models）|76.002 92.980
[DualPathNet68]（https://github.com/cadene/pretrained models.pytorch DualPathNetworks）我们的移植75.868 92.774
[densenet121]（https://github.com/cadene/pretrained models.pytorch torchvision）[pytorch]（https://github.com/pytorch/vision models）74.646|92.136
[vgg19-bn]（https://github.com/cadene/pretrained models.pytorch torchvision）[pytorch]（https://github.com/pytorch/vision models）74.266 92.066
nasnet-a-mobile[tensorflow]（https://github.com/tensorflow/models/tree/master/research/slim）74.0|91.6
[NASNET-A-Mobile]（https://github.com/veronikayurchuk/pretrained-models.pytorch/blob/master/pretrainedmodels/models/nasnet_mobile.py）我们的移植74.080 91.740
[resnet34]（https://github.com/cadene/pretrained models.pytorch torchvision）|[Pythorch]（https://github.com/Pythorch/vision models）73.554 91.456
[初始]（https://github.com/cadene/pretrained models.Pythorch binception）我们的端口73.524 91.562
[vgg16_u bn]（https://github.com/cadene/pretrained models.Pythorch torchvision）|[火炬]（https://github.com/pytorch/vision模型）73.518 91.608
[vgg19]（https://github.com/cadene/cadene/pretrained models.pytorch torchvision[pytorch]（https://github.com/pytorch/vision模型）72.080 90.822
[vgg16]（https://github.com/github.com/cadene/cadene/cadene/pretrained models.pytorch/pretrained models.pytorch.pytorch）.|[Pythorch]（https://github.com/pytorch/vision models）71.636 90.354
[vgg13 bn]（https://github.com/cadene/pretrained models.pytorch torchvision）[Pythorch]（https://github.com/pytorch/vision models）71.508|90.494
[vgg11-bn]（https://github.com/cadene/pretrained models.pytorch torchvision）[pytorch]（https://github.com/pytorch/vision models）70.452 89.818
[resnet18]（https://github.com/ca）DENE/pretrained models.pytorch torchvision[pytorch]（https://github.com/pytorch/vision models）70.142 89.274
[vgg13]（https://github.com/cadene/pretrained models.pytorch torchvision）[pytorch]（https://github.com/pytorch/vision models）69.662|89.264
[vgg11]（https://github.com/cadene/pretrained models.pytorch torchvision）[pytorch]（https://github.com/pytorch/vision models）68.970 88.746
[squezenet1（https://github.com/cadene/pretrained models.pytorch torchvision）[pytorch]（https://github.com/pytorch/vision models）|58.250 80.800
[挤压网1_0]（https://github.com/cadene/pretrained models.pytorch torchvision）[喷灯]（https://github.com/pytorch/vision models）58.108 80.428
[亚历克赛网]（https://github.com/cadene/pretrained models.pytorch torchvision）|[Pythorch]（https://github.com/Pythorch/vision models）56.432 79.194
注意：
-Pythorch版本的resnet152不是Torch7的移植，而是由Facebook重新训练的。
-对于Polynet求值，在不保留纵横比和然后使用结果图像的中心331×331补丁。
你一定要全试试！：p
>请参见[compute imagenet有效性度量]（https://github.com/cadene/cadene/pretrained models.pytorch/computeimagenet有效性度量）
<
NASNET*
来源：[tensorflowslim repo]（https://github.com/tensorflow/models/tree/master/research/slim）
-`nasnetalage（num廑classes=1000，pretrained='imagenet'）`
-`nasnetalage（num廑classes=1001，pretrained='imagenet+background'）`
-`nasnetamabile（num廑classes=1000，pretrained='imagenet'）`
\facebook resnet*
source:[torch7 repo of facebook]（https://github.com/facebook/fb.resnet.torch）
与torchvision的resnet*有些不同。resnet152是目前唯一可用的一个。
-`fbresnet152（num_classes=1000，pretrained='imagenet'）`
pretrained='imagenet'）`
\pretrained="imagenet"）`
-`inceptionresnetv2（num戋classes=1001，pretrained="imagenet+background"）`
-`inceptionv4（num戋classes=1000，pretrained="imagenet"）`
-`inceptionv4（num戋classes=1001，pretrained="imagenet+background"）`
-`inceptionv3（num戋classes=1000，pretrained="imagenet"）`
pretrained="imagenet"）`
resnext*
pretrained='imagenet'）`
repo]（https://github.com/rwightman/pytorch dpn pretrained）。
[如您所见]（https://github.com/rwightman/pytorch-dpn-pretrained）DualPathNetworks允许您尝试不同的规模。此回购协议中的默认值为0.875，这意味着在切换到224之前，原始输入大小为256。
-`dpn68（num_类es=1000，pretrained="imagenet"）`
-`dpn98（num廑classes=1000，pretrained="imagenet"）`
-`dpn131（num廑classes=1000，pretrained="imagenet"）`
-`dpn68b（num廑classes=1000，pretrained="imagenet+5k"）`
-`dpn92（num廑classes=1000，pretrained="imagenet+5k"）`
-`dpn107（num廑classes=1000，pretrained='imagenet+5k'）`
`'imagenet+5k'`表示在对imagenet1k进行微调之前，已在imagenet5k上对网络进行了预训练。
[T Standley]提供了移植功能（https://github.com/t standley/xception pytorch）。
-`xception（num_classes=1000，
<
<
<<<<<<<<<<<<<<<<
资料来源：胡杰胡的咖啡回购（https://github.com/hu jie-frank/senet）
-`SEnet154（num-class=1000，pretrained='imagenet'）`
-`se resnet50（num-class=1000，pretrained='imagenet'）`
-`se resnet101（num-resnet101（num-class=1000，pretrained='imagenet'）``
-`
-`se resnet101（num-res=1000，pretrained="imagenet"）`
-`se戋resnet152（num戋classes=1000，pretrained="imagenet"）`
-`se戋resnext50戋32x4d（num戋classes=1000，pretrained="imagenet"）`
-`se戋resnext101戋32x4d（num戋classes=1000，pretrained="imagenet"）`
pnasnet*
source:[tensorflow slim repo]（https://github.com/tensorflow/models/tree/master/research/slim）
-`pnasnet5large（num_classes=1000，pretrained="imagenet"）`
-`pnasnet5large（num_classes=1001，pretrained='imagenet+background'）`
\pretrained="imagenet"）`
pretrained="imagenet"）`
-`resnet34（num廑classes=1000，pretrained="imagenet"）`
-`resnet50（num廑classes=1000，pretrained="imagenet"）`
-`resnet101（num廑classes=1000，pretrained="imagenet"）`
-`resnet152（num廑classes=1000，pretrained="imagenet"）`
-`densenet121（num廑classes=1000，pretrained="imagenet"）`
-`densenet161（num嫒classes=1000，pretrained="imagenet"）`
-`densenet169（num嫒classes=1000，pretrained="imagenet"）`
-`densenet201（num嫒classes=1000，pretrained="imagenet"）`
-`squezenet1嫒0（num嫒classes=1000，pretrained="imagenet"）`
-`squezenet1廑1（num廑classes=1000，pretrained="imagenet"）`
-`alexnet（num廑classes=1000，pretrained="imagenet"）`
-`vgg11（num廑classes=1000，pretrained="imagenet"）`
-`vgg16（num廑classes=1000，预训练的"imagenet"）`
-`vgg19（num廑classes=1000，pretrained='imagenet'）`
-`vgg11廑bn（num廑classes=1000，pretrained='imagenet'）`
-`vgg13廑bn（num廑classes=1000，pretrained='imagenet'）`
-`vgg19廑bn（num廑classes=1000，pretrained="imagenet"）`
`列表`由3个数字组成：
-色通道数，
-输入图像的高度，
-输入图像的宽度。
示例：
-`[3，299，299]`对于初始*网络，
-`[3，224，224]`用于resnet*网络。
`模型。输入_space`
str/>attribut类型表示图像的颜色空间。可以是"rgb"或"bgr"。
概念网络。
0.406]`对于resnet*网络。
model.std`
0.225]`用于resnet*网络。
\正在工作（可能不可用）
方法，用于从图像中提取特征。
使用"fbresnet152"加载模型时的示例：
``python
``print（input_.size（））（1,3224，224）
输出=模型。特征（input_）
打印（output.size（））（12048,1,1）
打印（input_.size（））（1,3448448）
输出=模型。特征（input_）
打印（output.size（））（12048,7，7）
``
\工作进行中（可能不可用）
用于从图像中分类特征的方法。
使用"fbresnet152"加载模型时的示例：
``python
output=model.features（input_）
print（output.size（））（12048，1，1）
output=model.logits（output）
print（output.size（））35;（11000）
`````
可以根据需要覆盖它。
**注意**：一个好的做法是使用"model.\u call"作为您选择的函数，将输入转发到您的模型。请参见下面的示例。
``没有模型的python
1000）
```
此模块是前向过程中要调用的最后一个模块。
-可以替换为自适应的"nn.linear"进行微调。
-可以替换为"pretrained.utils.identity"进行特征提取。
使用"fbresnet152"加载模型时的示例：
``python
print（input_.size（））（1,3224224）
output=model.features（input_）
print（output.size（））（12048,1,1）
output=model.logits（output）
print（output.size（））#（11000）
=pretrained.utils.identity（）
output=模型（input_）
打印（output.size（））（1，2048年）
`````
>手工移植resnet152，手工移植resnet152
`````
``````
``````````````>th pretrainedmodels/fbresnet/resnet152/resnet152/u dump.lua
python pretrainedmodels/fbresnet/resnet152/u load.pyy
```````
>
``````````````````````````天然气resnext
https://github.com/clcarwin/convert_torch_to_pytorch
nasnet手工移植，inceptionv4和inceptionresnetv2
https://github.com/cadene/tensorflow model zoo.torch
本报告的目标是：
-帮助复制研究论文结果（例如传输学习设置），
-访问具有独特接口的预训练ConvNet/API，灵感来自TorchVision。
<；a href="https://travis ci.org/cadene/pretrained models.pytorch">；<；img src="https://api.travis-ci.org/cadene/pretrained-models.pytorch.svg？branch=master"/>；
news:
-27/10/2018：修复兼容性问题，添加测试，添加travis
-04/06/2018:[polynet]（https://github.com/cuhk-mmlab/polynet）和[pnasnet-5-large]（https://arxiv.org/abs/1712.00559）感谢[alex parinov]（https://github.com/creafz）
-16/04/2018:[se resnet*和se resnext*]（https://github.com/hujie-frank/senet）感谢[alex帕里诺夫]（https://github.com/creafz）
-2018年4月9日：[senet154]（https://github.com/hujie-frank/senet）感谢[alex parinov]（https://github.com/creafz）
-22/03/2018:cafferesnet101（很适合使用fasterrcnn进行本地化）
-21/03/2018:nasnet mobile感谢[veronikaYurchuk（https://github.com/veronikayurchuk）和[anastasiia]（https://github.com/dagnyt）
-25/01/2018：双路径网络感谢[ross wightman]（https://github.com/rwightman/pytorch dpn pretrained），异常感谢[t standley]（https://github.com/tstandley/xception pytorch），改进的transformimage api
-13/01/2018:`pip install pretrainedmodels`，`pretrainedmodels.model\u names`，`pretrainedmodels.pretrained\u settings`
-12/01/2018:`python setup.py install`
-08/12/2017:更新数据url（/！\`需要git pull）
-30/11/2017：改进api（`model.features（input）`，`model.logits（features）`，`model.forward（input）`，` model.last_linear`）
-16/11/2017:t.durand和r.cadene移植的nasnet-a-大型预训练模型
-22/07/2017:torchvision预训练模型
-22/07/2017:inceptionv4和inceptionresnetv2的动量为0.1
-17/07/2017:model.input_range attribution
-17/07/2017:binception在ImageNet上预先训练
摘要
-[安装]（https://github.com/cadene/pretrained models.pytorch安装）
-[快速示例]（https://github.com/cadene/pretrained models.pytorch快速示例）
-[很少使用案例]（https://github.com/cadene/pretrained models.pytorch很少使用案例）
-[计算ImageNet登录]（https://github.com/cadene/pretrained models.pytorch计算ImageNet登录）
-[计算ImageNet验证指标]（https://github.com/cadene/pretrained models.pytorch compute imagenet validation metrics）
-[对imagenet的评估]（https://github.com/cadene/pretrained models.pytorch对imagenet的评估）
-[准确性valset]（https://github.com/cadene/pretrained models.pytorch验证集的准确性）
-[复制结果]（https://github.com/cadene/pretrained models.pytorch复制结果）
-[文档]（https://github.com/cadene/pretrained models.pytorch文档）
-[可用模型]（https://github.com/cadene/pretrained models.pytorch可用模型）
-[alexnet]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[binception]（https://github.com/cadene/pretrained models.pytorch binception）
-[cafferesnet101]（https://github.com/cadene/pretrained models.pytorch caffe resnet）
-[densenet121]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[densenet161]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[邓森et169]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[邓森et201]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[邓森et201]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[双路径网68]（https://github.com/cadene/pretrained models.pytorch双路径网）
-[双路径网92]（https://github.com/cadene/pretrained models.pytorch dualpathnetworks）
-[dualpathnet98]（https://github.com/cadene/pretrained models.pytorch dualpathnetworks）
-[dualpathnet107]（https://github.com/cadene/pretrained models.pytorch dualpathnetworks）
-[DualPathNet113]（https://github.com/cadene/pretrained models.pytorch dualPathNetworks）
-[fbresnet152]（https://github.com/cadene/pretrained models.pytorch facebook resnet）
-[inceptionresnetv2]（https://github.com/cadene/pretrained models.pytorch inception）
-[激励v3]（https://github.com/cadene/pretrained models.pytorch inception）
-[激励v4]（https://github.com/cadene/pretrained models.pytorch inception）
-[nasnet-a-large]（https://github.com/cadene/pretrained models.pytorch nasnet）
-[NASNET-A-Mobile]（https://github.com/cadene/pretrained models.pytorch NASNET）
-[pnasnet-5-large]（https://github.com/cadene/pretrained models.pytorch pnasnet）
-[polynet]（https://github.com/cadene/pretrained models.pytorch polynet）
-[resnext101 x4d]（https://github.com/cadene/pretrained models.pytorch resnext）
-[resnext101 x4d]（https://github.com/cadene/pretrained models.pytorch resnext）
-[resnet101]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[resnet152]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[resnet18]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[resnet34]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[resnet50]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[senet154]（https://github.com/cadene/pretrained models.pytorch senet）
-[se-resnet50]（https://github.com/cadene/pretrained models.pytorch senet）
-[SE-Resnet101]（https://github.com/cadene/pretrained models.pytorch senet）
-[SE-resnet152]（https://github.com/cadene/pretrained models.pytorch senet）
-[SE-resnext50 u 32x4d]（https://github.com/cadene/pretrained models.pytorch senet）
-[SE-resnext101 x4d]（https://github.com/cadene/pretrained models.pytorch senet）
-[squezenet1_0]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[squezenet1_1]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[vgg11]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[vgg13]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[vgg16]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[vgg19]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[vgg11 bn]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[vgg13 bn]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[vgg16-bn]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[vgg19-bn]（https://github.com/cadene/pretrained models.pytorch torchvision）
-[xception]（https://github.com/cadene/pretrained models.pytorch xception）
-[型号api]（https://github.com/cadene/pretrained models.pytorch model api）
-[模型输入大小]（https://github.com/cadene/pretrained models.pytorch model输入大小）
-[模型输入空间]（https://github.com/cadene/pretrained models.pytorch model输入空间）
-[型号.输入范围]（https://github.com/cadene/pretrained models.pytorch型号输入范围）
-[型号.平均值]（https://github.com/cadene/pretrained models.pytorch modelmane）
-[型号.标准]（https://github.com/cadene/pretrained models.pytorch model std）
-[模型.功能]（https://github.com/cadene/pretrained models.pytorch模型功能）
-[模型.登录]（https://github.com/cadene/pre训练模型。pytorch modellogits）
-[模型.转发]（https://github.com/cadene/pretrained models.pytorch model forward）
-[复制移植]（https://github.com/cadene/pretrained models.pytorch复制）
-[resnet*]（https://github.com/cadene/pretrained models.pytorch hand-porting-of-resnet152）
-[resnext*]（https://github.com/cadene/pretrained models.pytorch resnext的自动移植）
-[inception*]（https://github.com/cadene/pretrained models.pytorch hand-porting-of-inceptionv4-and-inceptionresnetv2）
[蟒蛇3号]（https://www.continuum.io/downloads）
2.[带/不带CUDA的Pythorch]（http://pytorch.org）
` pip从repo安装pretrainedmodels`
` git克隆https://github.com/cadene/pretrained models.pytorch.git`
4.` CD预处理模型。Pythorch`
5.` python setup.py install`
快速示例
-导入"pretrained models"：
``python
``import pretrainedmodels
````
-打印可用的pretrained模型：
``python
打印（pretrainedmodels.model\u names）
>；['fbresnet152'，"binception"、"resnext101_32x4d"、"resnext101_64x4d"、"inceptionv4"、"inceptionresnetv2"、"alexnet"、"densenet121"、"densenet169"、"densenet201"、"densenet161"、"resnet18"、"resnet34"、"resnet50"、"resnet101"、"resnet152"、"inceptionv3"、"squenet1_0"、"squenet1_1"、"vgg11"、"vgg11_bn"，"vgg13"、"vgg13-bn"、"vgg16"、"vgg16-bn"、"vgg19-bn"、"vgg19"、"nasnetalage"、"nasnetambile"、"cafferesnet101"、"senet154"、"se-resnet50"、"se-resnet101"、"se-resnet152"、"se-resnext50-u32x4d"、"se-resnext101-u32x4d"、"cafferesnet101"、"polynet"，"pnasnet5large"]
```
-要打印所选模型的可用预训练设置：
``python
打印（预训练模型。预训练设置['nasnetalage']）
>；{'imagenet'：{'url'：'http://data.lip6.fr/cadene/pretrainedmodels/nasnetalage-a1897284.pth'，'input撸space'："rgb"，"输入大小"：[331，331]，"输入范围"：[0，1]，"平均值"：[0.5，0.5，0.5]，"标准值"：[0.5，0.5，0.5]，"数值类"：1000}，"图像网+背景"：{'url'："http://data.lip6.fr/cadene/pretrainedmodels/nasnetalage-a1897284.pth"，"输入空间"："rgb"，"输入大小"：[3，331，331]，'输入范围'：[0，1]，'平均值'：[0.5，0.5，0.5]，'标准值'：[0.5，0.5，0.5]，"num-classes"：1001}
```
-要从ImageNet加载预训练模型：
```python
model\name='nasnetalage'；可以是fbresnet152或inceptionresnetv2
model=pretrained models.[model\u name]（num-classes=1000，pretrained="imagenet"）
model.eval（）
```
**注意**：默认情况下，模型将下载到您的`$home/.torch'文件夹。您可以使用`$torch_model_zoo`变量修改此行为，如下所示：`export torch_model_zoo！'/local/pretrainedmodels`
-加载图像并执行完整的转发过程：
``python
import torch
import pretrainedmodels.utils as utils
load_img=utils.loadimage（）
#3x400x225->；3x299x299大小可能不同
需要_grad=false）
output_logits=model（input）1x1000
````
-提取功能（注意，此API不适用于所有网络）：
``python
output_features=model.features（input）1x14x2048大小可能不同=model.logits（output_features）1x1000
```
（https://github.com/cadene/pretrained-models.pytorch/blob/master/examples/imagenet_logits.py）使用imagenet上的预训练模型计算单个映像上类外观的登录名。
``````
$python examples/imagenet_logits.py-h
>；nasnetalage，resnet152，inceptionresnetv2，inceptionv4，…
```
```
$python examples/imagenet_logits.py-a nasnetalage--path_img data/cat.png
>；"nasnetalage"：data/cat.png是一只"老虎猫"
```
\compute imagenet evaluation metrics
-请参见[示例/imagenet eval.py]（https://github.com/cadene/pretrained-models.pytorch/blob/master/examples/imagenet eval.py）来评估imagenet valset上的预训练模型。
```
$python examples/imagenet_eval.py/local/common data/imagenet_2012/images-a nasnetalage-b 20-e
>；*acc@192.693，acc@5 96.13
````
---|---|---|---
pnasnet-5-large[tensorflow]（https://github.com/tensorflow/models/tree/master/research/slim）82.858 96.182
[pnasnet-5-large]（https://github.com/cadene/pretrained models.pytorch pnasnet）我们的端口82.736 95.992
nasnet-a-large|【Tensorflow】（https://github.com/tensorflow/models/tree/master/research/slim）82.693 96.163
【NASNET-A-LARGE】（https://github.com/cadene/pretrained models.pytorch NASNET）our porting 82.566 96.086
senet154【CAffe】（https://github.com/hujie-frank/senet）81.32|95.53
[senet154]（https://github.com/cadene/cadene/pretrained models.pytorch senet）我们的移植81.304 95.498
波利尼特[caffe]（https://github.com/cuhk-mmlab/polynet）81.29 95.75
[polynet]（https://github.com/cadene/pretrained models.pytorch polynet）我们的移植81.002.002；81.002；81.002；81.002是的|95.624
激励resnetv2[张力流]（https://github.com/tensorflow/models/tree/master/slim）80.4 95.3
激励v4[张力流]（https://github.com/tensorflow/models/tree/master/slim）80.2 95.3
[se-resnext101 32x4d]（https://github.com/cadene/pretrained models.pytorch senet）|我们的移植80.236 95.028
se-resnext101_32x4d[caffe]（https://github.com/hujie-frank/senet）80.19 95.04
[inceptionresnetv2]（https://github.com/cadene/pretrained models.pytorch inception）我们的移植80.170|95.234
[inceptionv4]（https://github.com/cadene/pretrained models.pytorch inception）我们的移植80.062 94.926
[dualpathnet107_u 5k]（https://github.com/cadene/pretrained models.pytorch dualpathnetworks）我们的移植79.746 94.684
resnext101_u 64x4d|[火炬7]（https://github.com/facebookresearch/resnext）79.6 94.7
[双路径网131]（https://github.com/cadene/pretrained models.pytorch dualpathnetworks）我们的移植79.432 94.574
[双路径网92（https://github.com/cadene/pretrained models.pytorch dualpathnetworks）我们的移植|79.400 94.620
[DualPathNet98]（https://github.com/cadene/pretrained models.pytorch dualPathNetworks）我们的移植79.224 94.488
[se-resnext50_u 32x4d]（https://github.com/cadene/pretrained models.pytorch senet）我们的移植79.076 94.434
se-resnext50 x4d|[咖啡馆]（https://github.com/hujie-frank/senet）79.03 94.46
[例外]（https://github.com/cadene/pretrained models.pytorch例外）[凯拉斯]（https://github.com/keras-team/keras/blob/master/keras/applications/xception.py）79.000|94.500
[resnext101_u 64x4d]（https://github.com/cadene/pretrained models.pytorch resnext）我们的移植78.956 94.252
[xception]（https://github.com/cadene/pretrained models.pytorch xception）我们的移植78.888 94.292
resnext101 x4d|[火炬7号]（https://github.com/facebookresearch/resnext）78.8 94.4
se-resnet152[咖啡馆]（https://github.com/hujie-frank/senet）78.66 94.46
【SE-resnet152】（https://github.com/cadene/cadene/pretrained models.pytorch-senet）我们的移植78.658 94.374
resnet152；【pytorch】（https://github.com/pytorch/vision models 78.428 94.110
【SE-resnet101】（https://github.com/cadene/pretrained models.pytorch-spectorch-senet）我们的移植78 78.78124; 78.658 78.658.396条|94.258
se-resnet101[caffe]（https://github.com/hujie-frank/senet）78.25 94.28
[resnext101 x4d]（https://github.com/cadene/pretrained models.pytorch resnext）我们的移植78.188 93.886
fbrenet152[torch7]（https://github.com/facebook/facebook/fb.resnet.resnet.torch）77.77.77.25 94.28 84个|93.84
se-resnet50[caffe]（https://github.com/hujie-frank/senet）77.63 93.64
[se-resnet50]（https://github.com/cadene/pretrained models.pytorch senet）our porting 77.636 93.752
[densenet161]（https://github.com/cadene/pretrained models.pytorch torchvision）|[火炬]（https://github.com/pytorch/vision models）77.560 93.798
[resnet101]（https://github.com/cadene/pretrained models.pytorch torchvision）[火炬]（https://github.com/pytorch/vision models）77.438|93.672
[fbresnet152]（https://github.com/cadene/pretrained models.pytorch facebook resnet）我们的移植77.386 93.594
[inceptionv3]（https://github.com/cadene/pretrained models.pytorch inception）[pytorch]（https://github.com/pytorch/vision models）77.294|93.454
[densenet201]（https://github.com/cadene/pretrained models.pytorch torchvision）[pytorch]（https://github.com/pytorch/vision models）77.152 93.548
[dualpathnet68b（https://github.com/cadene/pretrained models.pytorch dualpathnetworks）我们的端口77.034|93.590
[cafferesnet101]（https://github.com/cadene/pretrained models.pytorch caffe resnet）[caffe]（https://github.com/kaiminghe/deep-remained-networks）76.400 92.900
[cafferesnet101]（https://github.com/cadene/pretrained models.pytorch caffe resnet）我们的端口76.200|92.766
[densenet169]（https://github.com/cadene/pretrained models.pytorch torchvision）[pytorch]（https://github.com/pytorch/vision models）76.026 92.992
[resnet50]（https://github.com/cadene/pretrained models.pytorch[pytorch]（https://github.com/pytorch/vision models）|76.002 92.980
[DualPathNet68]（https://github.com/cadene/pretrained models.pytorch DualPathNetworks）我们的移植75.868 92.774
[densenet121]（https://github.com/cadene/pretrained models.pytorch torchvision）[pytorch]（https://github.com/pytorch/vision models）74.646|92.136
[vgg19-bn]（https://github.com/cadene/pretrained models.pytorch torchvision）[pytorch]（https://github.com/pytorch/vision models）74.266 92.066
nasnet-a-mobile[tensorflow]（https://github.com/tensorflow/models/tree/master/research/slim）74.0|91.6
[NASNET-A-Mobile]（https://github.com/veronikayurchuk/pretrained-models.pytorch/blob/master/pretrainedmodels/models/nasnet_mobile.py）我们的移植74.080 91.740
[resnet34]（https://github.com/cadene/pretrained models.pytorch torchvision）|[Pythorch]（https://github.com/Pythorch/vision models）73.554 91.456
[初始]（https://github.com/cadene/pretrained models.Pythorch binception）我们的端口73.524 91.562
[vgg16_u bn]（https://github.com/cadene/pretrained models.Pythorch torchvision）|[火炬]（https://github.com/pytorch/vision模型）73.518 91.608
[vgg19]（https://github.com/cadene/cadene/pretrained models.pytorch torchvision[pytorch]（https://github.com/pytorch/vision模型）72.080 90.822
[vgg16]（https://github.com/github.com/cadene/cadene/cadene/pretrained models.pytorch/pretrained models.pytorch.pytorch）.|[Pythorch]（https://github.com/pytorch/vision models）71.636 90.354
[vgg13 bn]（https://github.com/cadene/pretrained models.pytorch torchvision）[Pythorch]（https://github.com/pytorch/vision models）71.508|90.494
[vgg11-bn]（https://github.com/cadene/pretrained models.pytorch torchvision）[pytorch]（https://github.com/pytorch/vision models）70.452 89.818
[resnet18]（https://github.com/ca）DENE/pretrained models.pytorch torchvision[pytorch]（https://github.com/pytorch/vision models）70.142 89.274
[vgg13]（https://github.com/cadene/pretrained models.pytorch torchvision）[pytorch]（https://github.com/pytorch/vision models）69.662|89.264
[vgg11]（https://github.com/cadene/pretrained models.pytorch torchvision）[pytorch]（https://github.com/pytorch/vision models）68.970 88.746
[squezenet1（https://github.com/cadene/pretrained models.pytorch torchvision）[pytorch]（https://github.com/pytorch/vision models）|58.250 80.800
[挤压网1_0]（https://github.com/cadene/pretrained models.pytorch torchvision）[喷灯]（https://github.com/pytorch/vision models）58.108 80.428
[亚历克赛网]（https://github.com/cadene/pretrained models.pytorch torchvision）|[Pythorch]（https://github.com/Pythorch/vision models）56.432 79.194
注意：
-Pythorch版本的resnet152不是Torch7的移植，而是由Facebook重新训练的。
-对于Polynet求值，在不保留纵横比和然后使用结果图像的中心331×331补丁。
你一定要全试试！：p
>请参见[compute imagenet有效性度量]（https://github.com/cadene/cadene/pretrained models.pytorch/computeimagenet有效性度量）
<
NASNET*
来源：[tensorflowslim repo]（https://github.com/tensorflow/models/tree/master/research/slim）
-`nasnetalage（num廑classes=1000，pretrained='imagenet'）`
-`nasnetalage（num廑classes=1001，pretrained='imagenet+background'）`
-`nasnetamabile（num廑classes=1000，pretrained='imagenet'）`
\facebook resnet*
source:[torch7 repo of facebook]（https://github.com/facebook/fb.resnet.torch）
与torchvision的resnet*有些不同。resnet152是目前唯一可用的一个。
-`fbresnet152（num_classes=1000，pretrained='imagenet'）`
pretrained='imagenet'）`
\pretrained="imagenet"）`
-`inceptionresnetv2（num戋classes=1001，pretrained="imagenet+background"）`
-`inceptionv4（num戋classes=1000，pretrained="imagenet"）`
-`inceptionv4（num戋classes=1001，pretrained="imagenet+background"）`
-`inceptionv3（num戋classes=1000，pretrained="imagenet"）`
pretrained="imagenet"）`
resnext*
pretrained='imagenet'）`
repo]（https://github.com/rwightman/pytorch dpn pretrained）。
[如您所见]（https://github.com/rwightman/pytorch-dpn-pretrained）DualPathNetworks允许您尝试不同的规模。此回购协议中的默认值为0.875，这意味着在切换到224之前，原始输入大小为256。
-`dpn68（num_类es=1000，pretrained="imagenet"）`
-`dpn98（num廑classes=1000，pretrained="imagenet"）`
-`dpn131（num廑classes=1000，pretrained="imagenet"）`
-`dpn68b（num廑classes=1000，pretrained="imagenet+5k"）`
-`dpn92（num廑classes=1000，pretrained="imagenet+5k"）`
-`dpn107（num廑classes=1000，pretrained='imagenet+5k'）`
`'imagenet+5k'`表示在对imagenet1k进行微调之前，已在imagenet5k上对网络进行了预训练。
[T Standley]提供了移植功能（https://github.com/t standley/xception pytorch）。
-`xception（num_classes=1000，
<
<
<<<<<<<<<<<<<<<<
资料来源：胡杰胡的咖啡回购（https://github.com/hu jie-frank/senet）
-`SEnet154（num-class=1000，pretrained='imagenet'）`
-`se resnet50（num-class=1000，pretrained='imagenet'）`
-`se resnet101（num-resnet101（num-class=1000，pretrained='imagenet'）``
-`
-`se resnet101（num-res=1000，pretrained="imagenet"）`
-`se戋resnet152（num戋classes=1000，pretrained="imagenet"）`
-`se戋resnext50戋32x4d（num戋classes=1000，pretrained="imagenet"）`
-`se戋resnext101戋32x4d（num戋classes=1000，pretrained="imagenet"）`
pnasnet*
source:[tensorflow slim repo]（https://github.com/tensorflow/models/tree/master/research/slim）
-`pnasnet5large（num_classes=1000，pretrained="imagenet"）`
-`pnasnet5large（num_classes=1001，pretrained='imagenet+background'）`
\pretrained="imagenet"）`
pretrained="imagenet"）`
-`resnet34（num廑classes=1000，pretrained="imagenet"）`
-`resnet50（num廑classes=1000，pretrained="imagenet"）`
-`resnet101（num廑classes=1000，pretrained="imagenet"）`
-`resnet152（num廑classes=1000，pretrained="imagenet"）`
-`densenet121（num廑classes=1000，pretrained="imagenet"）`
-`densenet161（num嫒classes=1000，pretrained="imagenet"）`
-`densenet169（num嫒classes=1000，pretrained="imagenet"）`
-`densenet201（num嫒classes=1000，pretrained="imagenet"）`
-`squezenet1嫒0（num嫒classes=1000，pretrained="imagenet"）`
-`squezenet1廑1（num廑classes=1000，pretrained="imagenet"）`
-`alexnet（num廑classes=1000，pretrained="imagenet"）`
-`vgg11（num廑classes=1000，pretrained="imagenet"）`
-`vgg16（num廑classes=1000，预训练的"imagenet"）`
-`vgg19（num廑classes=1000，pretrained='imagenet'）`
-`vgg11廑bn（num廑classes=1000，pretrained='imagenet'）`
-`vgg13廑bn（num廑classes=1000，pretrained='imagenet'）`
-`vgg19廑bn（num廑classes=1000，pretrained="imagenet"）`
`列表`由3个数字组成：
-色通道数，
-输入图像的高度，
-输入图像的宽度。
示例：
-`[3，299，299]`对于初始*网络，
-`[3，224，224]`用于resnet*网络。
`模型。输入_space`
str/>attribut类型表示图像的颜色空间。可以是"rgb"或"bgr"。
概念网络。
0.406]`对于resnet*网络。
model.std`
0.225]`用于resnet*网络。
\正在工作（可能不可用）
方法，用于从图像中提取特征。
使用"fbresnet152"加载模型时的示例：
``python
``print（input_.size（））（1,3224，224）
输出=模型。特征（input_）
打印（output.size（））（12048,1,1）
打印（input_.size（））（1,3448448）
输出=模型。特征（input_）
打印（output.size（））（12048,7，7）
``
\工作进行中（可能不可用）
用于从图像中分类特征的方法。
使用"fbresnet152"加载模型时的示例：
``python
output=model.features（input_）
print（output.size（））（12048，1，1）
output=model.logits（output）
print（output.size（））35;（11000）
`````
可以根据需要覆盖它。
**注意**：一个好的做法是使用"model.\u call"作为您选择的函数，将输入转发到您的模型。请参见下面的示例。
``没有模型的python
1000）
```
此模块是前向过程中要调用的最后一个模块。
-可以替换为自适应的"nn.linear"进行微调。
-可以替换为"pretrained.utils.identity"进行特征提取。
使用"fbresnet152"加载模型时的示例：
``python
print（input_.size（））（1,3224224）
output=model.features（input_）
print（output.size（））（12048,1,1）
output=model.logits（output）
print（output.size（））#（11000）
=pretrained.utils.identity（）
output=模型（input_）
打印（output.size（））（1，2048年）
`````
>手工移植resnet152，手工移植resnet152
`````
``````
``````````````>th pretrainedmodels/fbresnet/resnet152/resnet152/u dump.lua
python pretrainedmodels/fbresnet/resnet152/u load.pyy
```````
>
``````````````````````````天然气resnext
https://github.com/clcarwin/convert_torch_to_pytorch
nasnet手工移植，inceptionv4和inceptionresnetv2
https://github.com/cadene/tensorflow model zoo.torch
欢迎加入QQ群-->： 979659372
