efficientnet_b7

torchvision.models.efficientnet_b7(*, weights: Optional[EfficientNet_B7_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 B7 模型架构。

参数:

• weights (EfficientNet_B7_Weights, 可选) – 要使用的预训练权重。更多详情和可能的值请参阅下文的EfficientNet_B7_Weights。默认情况下，不使用预训练权重。

• progress (bool, 可选) – 如果为 True，则在标准错误输出 (stderr) 中显示下载进度条。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_B7_Weights(value)

上面的模型构建器接受以下值作为weights参数。EfficientNet_B7_Weights.DEFAULT等效于EfficientNet_B7_Weights.IMAGENET1K_V1。您也可以使用字符串，例如weights='DEFAULT'或weights='IMAGENET1K_V1'。

EfficientNet_B7_Weights.IMAGENET1K_V1:

这些权重从原始论文移植而来。也可用作EfficientNet_B7_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	84.122
acc@5 (在 ImageNet-1K 上)	96.908
类别	tench, goldfish, great white shark, … (省略 997 个)
最小尺寸	height=1, width=1
配方	链接
参数数量	66347960
GFLOPS	37.75
文件大小	254.7 MB

推理变换可在EfficientNet_B7_Weights.IMAGENET1K_V1.transforms中找到，并执行以下预处理操作：接受PIL.Image、批处理的(B, C, H, W)和单张(C, H, W)图像torch.Tensor对象。图像使用interpolation=InterpolationMode.BICUBIC被调整大小到resize_size=[600]，接着进行中心裁剪，大小为crop_size=[600]。最后，像素值首先被重新缩放到[0.0, 1.0]，然后使用mean=[0.485, 0.456, 0.406]和std=[0.229, 0.224, 0.225]进行归一化处理。