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'
或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
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]
和std=[0.229, 0.224, 0.225]
进行归一化。