convnext_base¶
- torchvision.models.convnext_base(*, weights: Optional[ConvNeXt_Base_Weights] = None, progress: bool = True, **kwargs: Any) ConvNeXt [源代码]¶
来自 面向 2020 年代的卷积神经网络 论文的 ConvNeXt 基本模型架构。
- 参数:
weights (
ConvNeXt_Base_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,请参阅下面的ConvNeXt_Base_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,则在 stderr 中显示下载进度条。默认为 True。
**kwargs – 传递给
torchvision.models.convnext.ConvNext
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.ConvNeXt_Base_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。ConvNeXt_Base_Weights.DEFAULT
等效于ConvNeXt_Base_Weights.IMAGENET1K_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_V1'
。ConvNeXt_Base_Weights.IMAGENET1K_V1:
这些权重通过使用 TorchVision 的 新的训练方法 的修改版本改进了原始论文的结果。也可作为
ConvNeXt_Base_Weights.DEFAULT
使用。acc@1(在 ImageNet-1K 上)
84.062
acc@5(在 ImageNet-1K 上)
96.87
最小尺寸
高度=32,宽度=32
类别
tench、goldfish、great white shark、…(省略 997 个)
方法
参数数量
88591464
GFLOPS
15.36
文件大小
338.1 MB
推理转换可在
ConvNeXt_Base_Weights.IMAGENET1K_V1.transforms
中获得,并执行以下预处理操作:接受PIL.Image
、批处理的(B, C, H, W)
和单个(C, H, W)
图像torch.Tensor
对象。使用interpolation=InterpolationMode.BILINEAR
将图像调整为resize_size=[232]
,然后进行crop_size=[224]
的中央裁剪。最后,将值首先重新缩放为[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。