convnext_tiny¶
- torchvision.models.convnext_tiny(*, weights: Optional[ConvNeXt_Tiny_Weights] = None, progress: bool = True, **kwargs: Any) ConvNeXt [source]¶
来自 面向 2020 年代的卷积神经网络 论文的 ConvNeXt Tiny 模型架构。
- 参数::
weights (
ConvNeXt_Tiny_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_Tiny_Weights
。默认情况下,不使用任何预训练权重。progress (bool, 可选) – 如果为 True,则在 stderr 上显示下载进度条。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_Tiny_Weights(value)[source]¶
上面的模型构建器接受以下值作为
weights
参数。ConvNeXt_Tiny_Weights.DEFAULT
等效于ConvNeXt_Tiny_Weights.IMAGENET1K_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_V1'
。ConvNeXt_Tiny_Weights.IMAGENET1K_V1:
这些权重通过使用修改后的 TorchVision 新训练方案 改进了原始论文的结果。也称为
ConvNeXt_Tiny_Weights.DEFAULT
。acc@1 (在 ImageNet-1K 上)
82.52
acc@5 (在 ImageNet-1K 上)
96.146
最小尺寸
高度=32,宽度=32
类别
塘鳢鱼,金鱼,大白鲨,… (省略 997 个)
方案
参数数量
28589128
GFLOPS
4.46
文件大小
109.1 MB
推理转换在
ConvNeXt_Tiny_Weights.IMAGENET1K_V1.transforms
中可用,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
调整大小至resize_size=[236]
,然后进行crop_size=[224]
的中央裁剪。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。