efficientnet_v2_l

torchvision.models.efficientnet_v2_l(*, weights: Optional[EfficientNet_V2_L_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

从 EfficientNetV2：更小的模型和更快的训练 构建 EfficientNetV2-L 架构。

参数:

• weights (EfficientNet_V2_L_Weights, optional) – 要使用的预训练权重。有关更多详细信息和可能的值，请参阅下面的 EfficientNet_V2_L_Weights。默认情况下，不使用预训练权重。

• progress (bool, optional) – 如果为 True，则在 stderr 上显示下载进度条。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_V2_L_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。EfficientNet_V2_L_Weights.DEFAULT 等同于 EfficientNet_V2_L_Weights.IMAGENET1K_V1。您还可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_V2_L_Weights.IMAGENET1K_V1:

这些权重从原始论文移植而来。也可作为 EfficientNet_V2_L_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	85.808
acc@5 (在 ImageNet-1K 上)	97.788
类别	tench, goldfish, great white shark, … (省略 997 个)
min_size	height=33, width=33
recipe	link
num_params	118515272
GFLOPS	56.08
文件大小	454.6 MB

推理转换可在 EfficientNet_V2_L_Weights.IMAGENET1K_V1.transforms 中找到，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。图像使用 interpolation=InterpolationMode.BICUBIC 调整大小为 resize_size=[480]，然后进行 crop_size=[480] 的中心裁剪。最后，值首先重新缩放到 [0.0, 1.0]，然后使用 mean=[0.5, 0.5, 0.5] 和 std=[0.5, 0.5, 0.5] 进行归一化。