efficientnet_b5

torchvision.models.efficientnet_b5(*, weights: Optional[EfficientNet_B5_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

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)

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	链接
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。