swin3d_t¶
- torchvision.models.video.swin3d_t(*, weights: Optional[Swin3D_T_Weights] = None, progress: bool = True, **kwargs: Any) SwinTransformer3d[源代码]¶
根据视频 Swin Transformer构建 swin_tiny 架构。
- 参数：
weights (
Swin3D_T_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_T_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，则向 stderr 显示下载进度条。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_T_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights参数。Swin3D_T_Weights.DEFAULT等效于Swin3D_T_Weights.KINETICS400_V1。您也可以使用字符串，例如weights='DEFAULT'或weights='KINETICS400_V1'。Swin3D_T_Weights.KINETICS400_V1:
这些权重是从论文中移植的。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_T_Weights.DEFAULT使用。acc@1（在 Kinetics-400 上）
77.715
acc@5（在 Kinetics-400 上）
93.519
类别
攀岩、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
配方
参数数量
28158070
GFLOPS
43.88
文件大小
121.5 MB
推理转换可在
Swin3D_T_Weights.KINETICS400_V1.transforms中找到，并执行以下预处理操作：接受批处理的(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调整为resize_size=[256]，然后进行crop_size=[224, 224]的中心裁剪。最后，值首先重新缩放为[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。
