convnext_small¶
- torchvision.models.convnext_small(*, weights: Optional[ConvNeXt_Small_Weights] = None, progress: bool = True, **kwargs: Any) ConvNeXt [源代码]¶
来自论文面向 2020 年代的卷积神经网络的 ConvNeXt 小型模型架构。
- 参数:
weights (
ConvNeXt_Small_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_Small_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,则将下载进度条显示到标准错误输出。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_Small_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。ConvNeXt_Small_Weights.DEFAULT
等效于ConvNeXt_Small_Weights.IMAGENET1K_V1
。您还可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_V1'
。ConvNeXt_Small_Weights.IMAGENET1K_V1:
这些权重通过使用 TorchVision 的新训练方法的修改版本改进了原始论文的结果。也称为
ConvNeXt_Small_Weights.DEFAULT
。acc@1(在 ImageNet-1K 上)
83.616
acc@5(在 ImageNet-1K 上)
96.65
最小尺寸
高度=32,宽度=32
类别
海滩,金鱼,大白鲨,…(省略 997 个)
配方
参数数量
50223688
GFLOPS
8.68
文件大小
191.7 MB
推理转换可在
ConvNeXt_Small_Weights.IMAGENET1K_V1.transforms
中找到,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。图像使用interpolation=InterpolationMode.BILINEAR
调整大小到resize_size=[230]
,然后进行crop_size=[224]
的中心裁剪。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。