efficientnet_b5¶
- torchvision.models.efficientnet_b5(*, weights: Optional[EfficientNet_B5_Weights] = None, progress: bool = True, **kwargs: Any) EfficientNet [source]¶
源自EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 论文的 EfficientNet B5 模型架构。
- 参数:
weights (
EfficientNet_B5_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EfficientNet_B5_Weights
。默认情况下,不使用预训练权重。progress (布尔值, 可选) – 如果为 True,则在标准错误输出中显示下载进度条。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。
- class torchvision.models.EfficientNet_B5_Weights(value)[source]¶
上述模型构建器接受以下值作为
weights
参数。EfficientNet_B5_Weights.DEFAULT
等同于EfficientNet_B5_Weights.IMAGENET1K_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_V1'
。EfficientNet_B5_Weights.IMAGENET1K_V1:
这些权重是从原始论文中移植的。也可作为
EfficientNet_B5_Weights.DEFAULT
使用。acc@1(在 ImageNet-1K 上)
83.444
acc@5(在 ImageNet-1K 上)
96.628
类别
丁鳜、金鱼、大白鲨,...(省略 997 项)
最小尺寸
高=1, 宽=1
方法
参数数量
30389784
GFLOPS
10.27
文件大小
116.9 MB
推理变换可通过
EfficientNet_B5_Weights.IMAGENET1K_V1.transforms
获得,并执行以下预处理操作:接受PIL.Image
、批处理的(B, C, H, W)
和单个的(C, H, W)
图像torch.Tensor
对象。使用interpolation=InterpolationMode.BICUBIC
将图像大小调整为resize_size=[456]
,然后进行中心裁剪,裁剪大小为crop_size=[456]
。最后,先将值重新缩放到[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。