convnext_large

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

来自 2020 年代的 ConvNet 论文的 ConvNeXt Large 模型架构。

参数:

• weights (ConvNeXt_Large_Weights, optional) – 要使用的预训练权重。 有关更多详细信息和可能的值，请参见下面的 ConvNeXt_Large_Weights。 默认情况下，不使用预训练权重。

• progress (bool, optional) – 如果为 True，则向 stderr 显示下载进度条。 默认为 True。

• **kwargs – 传递给 torchvision.models.convnext.ConvNext 基类的参数。 有关此类别的更多详细信息，请参阅 源代码。

class torchvision.models.ConvNeXt_Large_Weights(value)

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。 您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ConvNeXt_Large_Weights.IMAGENET1K_V1:

这些权重通过使用 TorchVision 新训练配方 的修改版本，改进了原始论文的结果。 也可作为 ConvNeXt_Large_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	84.414
acc@5 (在 ImageNet-1K 上)	96.976
min_size	height=32, width=32
categories	tench, goldfish, great white shark, … (省略 997 个)
recipe	link
num_params	197767336
GFLOPS	34.36
文件大小	754.5 MB

推理转换可在 ConvNeXt_Large_Weights.IMAGENET1K_V1.transforms 中找到，并执行以下预处理操作： 接受 PIL.Image、批量 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。 图像使用 interpolation=InterpolationMode.BILINEAR 调整大小为 resize_size=[232]，然后进行 crop_size=[224] 的中心裁剪。 最后，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。