efficientnet_b6

torchvision.models.efficientnet_b6(*, weights: Optional[EfficientNet_B6_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

来自 EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 论文的 EfficientNet B6 模型架构。

参数：

• weights (EfficientNet_B6_Weights, optional) – 要使用的预训练权重。有关更多详细信息和可能的值，请参见下文中的 EfficientNet_B6_Weights。默认情况下，不使用预训练权重。

• progress (bool, optional) – 如果为 True，则向 stderr 显示下载进度条。默认为 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_B6_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。EfficientNet_B6_Weights.DEFAULT 等同于 EfficientNet_B6_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_B6_Weights.IMAGENET1K_V1:

这些权重是从原始论文移植的。也可用作 EfficientNet_B6_Weights.DEFAULT。

acc@1（在 ImageNet-1K 上）	84.008
acc@5（在 ImageNet-1K 上）	96.916
类别	丁鲷, 金鱼, 大白鲨, ...（省略 997 个）
最小尺寸	height=1, width=1
处理方法	链接
参数数量	43040704
GFLOPS	19.07
文件大小	165.4 MB

推理变换可在 EfficientNet_B6_Weights.IMAGENET1K_V1.transforms 获取，并执行以下预处理操作：接受 PIL.Image、批量 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。使用 interpolation=InterpolationMode.BICUBIC 将图像大小调整为 resize_size=[528]，然后进行中心裁剪 crop_size=[528]。最后，值首先被重新缩放至 [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。