convnext_small

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

来自 A ConvNet for the 2020s 论文的 ConvNeXt Small 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，不使用预训练权重。

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

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

class 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 等同于 ConvNeXt_Small_Weights.IMAGENET1K_V1。你也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ConvNeXt_Small_Weights.IMAGENET1K_V1:

这些权重通过使用 TorchVision 新训练方案的修改版本，改进了原始论文的结果。也可用作 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=32, 宽=32
类别	丁鲷, 金鱼, 大白鲨, … (省略 997 个)
训练方案	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 获取，并执行以下预处理操作：接受 PIL.Image、批处理 (B, C, H, W) 和单张 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 重采样到 resize_size=[230]，然后进行中心裁剪，crop_size=[224]。最后，值首先缩放到 [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。