快捷方式

convnext_large

torchvision.models.convnext_large(*, weights: Optional[ConvNeXt_Large_Weights] = None, progress: bool = True, **kwargs: Any) ConvNeXt[源代码]

来自 2020 年代的卷积神经网络 论文的 ConvNeXt 大型模型架构。

参数::
  • weights (ConvNeXt_Large_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_Large_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.convnext.ConvNext 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.ConvNeXt_Large_Weights(value)[源代码]

上面的模型构建器接受以下值作为 weights 参数。 ConvNeXt_Large_Weights.DEFAULT 等效于 ConvNeXt_Large_Weights.IMAGENET1K_V1。您还可以使用字符串,例如 weights='DEFAULT'weights='IMAGENET1K_V1'

ConvNeXt_Large_Weights.IMAGENET1K_V1:

这些权重通过使用 TorchVision 的 新训练配方 的修改版本改进了原始论文的结果。也可以用 ConvNeXt_Large_Weights.DEFAULT 方式使用。

acc@1 (在 ImageNet-1K 上)

84.414

acc@5 (在 ImageNet-1K 上)

96.976

最小尺寸

height=32, width=32

类别

tench, goldfish, great white shark, … (省略 997 个)

配方

链接

参数数量

197767336

GFLOPS

34.36

文件大小

754.5 MB

推理变换可在 ConvNeXt_Large_Weights.IMAGENET1K_V1.transforms 找到,并执行以下预处理操作:接受 PIL.Image、批处理 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 调整到 resize_size=[232],然后进行 crop_size=[224] 的中心裁剪。最后,这些值首先重新缩放到 [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

获取面向初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源