convnext_small

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

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)

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	链接
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。