快捷方式

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

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'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

链接

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]std=[0.229, 0.224, 0.225] 进行归一化。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源