efficientnet_b2

torchvision.models.efficientnet_b2(*, weights: Optional[EfficientNet_B2_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

来自 EfficientNet：重新思考卷积神经网络的模型缩放 论文的 EfficientNet B2 模型架构。

参数：:

• weights (EfficientNet_B2_Weights，可选) – 要使用的预训练权重。有关更多详细信息，请参阅下面的 EfficientNet_B2_Weights，以及可能的取值。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，则在 stderr 中显示下载进度条。默认值为 True。

• **kwargs – 传递给 torchvision.models.efficientnet.EfficientNet 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.EfficientNet_B2_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。EfficientNet_B2_Weights.DEFAULT 等效于 EfficientNet_B2_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_B2_Weights.IMAGENET1K_V1:

这些权重是从原始论文中移植的。也可以作为 EfficientNet_B2_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	80.608
acc@5 (在 ImageNet-1K 上)	95.31
类别	tench, goldfish, great white shark, … (997 省略)
最小尺寸	高度=1，宽度=1
配方	链接
参数数量	9109994
GFLOPS	1.09
文件大小	35.2 MB

推理变换可在 EfficientNet_B2_Weights.IMAGENET1K_V1.transforms 中找到，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 resize_size=[288] 调整大小，使用 interpolation=InterpolationMode.BICUBIC，然后进行 crop_size=[288] 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] 进行标准化。