swin3d_s

torchvision.models.video.swin3d_s(*, weights: Optional[Swin3D_S_Weights] = None, progress: bool = True, **kwargs: Any) → SwinTransformer3d

从 视频 Swin 变换器 构建 swin_small 架构。

参数：

• weights (Swin3D_S_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_S_Weights。默认情况下，不使用预训练权重。

• progress (bool, 可选) – 如果为 True，则将下载进度条显示到 stderr。默认值为 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。

class torchvision.models.video.Swin3D_S_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 Swin3D_S_Weights.DEFAULT 等效于 Swin3D_S_Weights.KINETICS400_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='KINETICS400_V1'。

Swin3D_S_Weights.KINETICS400_V1:

权重是从论文中移植过来的。精度是在视频级别上估计的，参数为 frame_rate=15、clips_per_video=12 和 clip_len=32。也可以作为 Swin3D_S_Weights.DEFAULT 使用。

acc@1 (在 Kinetics-400 上)	79.521
acc@5 (在 Kinetics-400 上)	94.158
类别	绳索下降，空鼓演奏，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
食谱	链接
参数数量	49816678
GFLOPS	82.84
文件大小	218.3 MB

推断变换位于 Swin3D_S_Weights.KINETICS400_V1.transforms 处，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]，然后执行中心裁剪，大小为 crop_size=[224, 224]。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。