efficientnet_v2_l¶
- torchvision.models.efficientnet_v2_l(*, weights: Optional[EfficientNet_V2_L_Weights] = None, progress: bool = True, **kwargs: Any) EfficientNet [source]¶
构建 EfficientNetV2-L 架构,出自 EfficientNetV2: Smaller Models and Faster Training。
- 参数:
weights (
EfficientNet_V2_L_Weights
, optional) – 要使用的预训练权重。详见下方的EfficientNet_V2_L_Weights
,了解更多详情和可能的值。默认情况下,不使用预训练权重。progress (bool, optional) – 如果为 True,则在 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。请参阅 源代码 了解关于此类的更多详情。
- class torchvision.models.EfficientNet_V2_L_Weights(value)[source]¶
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
。您也可以使用字符串,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
丁鲷、金鱼、大白鲨等(省略 997 个)
最小尺寸
高=33,宽=33
配方
参数数量
118515272
GFLOPS
56.08
文件大小
454.6 MB
推理转换可通过
EfficientNet_V2_L_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。图像使用interpolation=InterpolationMode.BICUBIC
重塑到resize_size=[480]
大小,然后进行crop_size=[480]
的中心裁剪。最后,值首先被重缩放到[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。