efficientnet_b2

torchvision.models.efficientnet_b2(*, weights: Optional[EfficientNet_B2_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

来自论文 EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 的 EfficientNet B2 模型架构。

参数：

• weights (EfficientNet_B2_Weights, 可选) – 要使用的预训练权重。请参见下方的 EfficientNet_B2_Weights 获取更多详细信息和可能的值。默认情况下，不使用预训练权重。

• progress (bool, 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.efficientnet.EfficientNet 基类的参数。请参阅 源代码 获取有关此类的更多详细信息。

class torchvision.models.EfficientNet_B2_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。EfficientNet_B2_Weights.DEFAULT 等同于 EfficientNet_B2_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_B2_Weights.IMAGENET1K_V1:

这些权重从原始论文移植而来。也可通过 EfficientNet_B2_Weights.DEFAULT 获得。

acc@1 (在 ImageNet-1K 上)	80.608
acc@5 (在 ImageNet-1K 上)	95.31
类别	丁鲷鱼、金鱼、大白鲨，… (省略 997 项)
最小尺寸	高=1, 宽=1
方法集 (Recipe)	链接
参数数量	9109994
GFLOPS	1.09
文件大小	35.2 MB

推理转换可通过 EfficientNet_B2_Weights.IMAGENET1K_V1.transforms 获得，并执行以下预处理操作：接受 PIL.Image 对象、批处理的 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BICUBIC 方法被缩放至 resize_size=[288]，然后进行中心裁剪，裁剪大小为 crop_size=[288]。最后，值首先被重新缩放至 [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。