swin3d_b

torchvision.models.video.swin3d_b(*, weights: Optional[Swin3D_B_Weights] = None, progress: bool = True, **kwargs: Any) → SwinTransformer3d

根据视频 Swin Transformer构建 swin_base 架构。

参数：

• weights (Swin3D_B_Weights，可选) – 要使用的预训练权重。有关更多详细信息和可能的值，请参见下面的Swin3D_B_Weights。默认情况下，不使用任何预训练权重。

• progress (布尔值，可选) – 如果为 True，则将下载进度条显示到 stderr。默认为 True。

• **kwargs – 传递给torchvision.models.video.swin_transformer.SwinTransformer基类的参数。有关此类的更多详细信息，请参阅源代码。

类 torchvision.models.video.Swin3D_B_Weights(value)

上面的模型构建器接受以下值作为weights参数。Swin3D_B_Weights.DEFAULT等效于Swin3D_B_Weights.KINETICS400_V1。您也可以使用字符串，例如weights='DEFAULT'或weights='KINETICS400_V1'。

Swin3D_B_Weights.KINETICS400_V1:

这些权重是从论文中移植过来的。准确率是在视频级别上估计的，参数为frame_rate=15、clips_per_video=12和clip_len=32。也可作为Swin3D_B_Weights.DEFAULT使用。

acc@1（在 Kinetics-400 上）	79.427
acc@5（在 Kinetics-400 上）	94.386
类别	攀绳、空中击鼓、回答问题、…（省略 397 个）
最小尺寸	高度=1，宽度=1
最小时间尺寸	1
方法	链接
参数数量	88048984
GFLOPS	140.67
文件大小	364.1 MB

推理转换在Swin3D_B_Weights.KINETICS400_V1.transforms中可用，并执行以下预处理操作：接受批处理(B, T, C, H, W)和单个(T, C, H, W)视频帧torch.Tensor对象。帧使用interpolation=InterpolationMode.BILINEAR调整大小到resize_size=[256]，然后进行crop_size=[224, 224]的中心裁剪。最后，值首先重新缩放到[0.0, 1.0]，然后使用mean=[0.485, 0.456, 0.406]和std=[0.229, 0.224, 0.225]进行归一化。最后，输出维度被置换为(..., C, T, H, W)张量。

Swin3D_B_Weights.KINETICS400_IMAGENET22K_V1:

这些权重是从论文中移植过来的。准确率是在视频级别上估计的，参数为frame_rate=15、clips_per_video=12和clip_len=32

acc@1（在 Kinetics-400 上）	81.643
acc@5（在 Kinetics-400 上）	95.574
类别	攀绳、空中击鼓、回答问题、…（省略 397 个）
最小尺寸	高度=1，宽度=1
最小时间尺寸	1
方法	链接
参数数量	88048984
GFLOPS	140.67
文件大小	364.1 MB

推理转换在Swin3D_B_Weights.KINETICS400_IMAGENET22K_V1.transforms中可用，并执行以下预处理操作：接受批处理(B, T, C, H, W)和单个(T, C, H, W)视频帧torch.Tensor对象。帧使用interpolation=InterpolationMode.BILINEAR调整大小到resize_size=[256]，然后进行crop_size=[224, 224]的中心裁剪。最后，值首先重新缩放到[0.0, 1.0]，然后使用mean=[0.485, 0.456, 0.406]和std=[0.229, 0.224, 0.225]进行归一化。最后，输出维度被置换为(..., C, T, H, W)张量。