efficientnet_v2_s

torchvision.models.efficientnet_v2_s(*, weights: Optional[EfficientNet_V2_S_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

根据 EfficientNetV2: Smaller Models and Faster Training 构建 EfficientNetV2-S 架构。

参数：

• weights (EfficientNet_V2_S_Weights, 可选) – 要使用的预训练权重。更多详细信息和可能的值请参阅下面的 EfficientNet_V2_S_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_V2_S_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。EfficientNet_V2_S_Weights.DEFAULT 等同于 EfficientNet_V2_S_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_V2_S_Weights.IMAGENET1K_V1:

这些权重通过使用 TorchVision 新训练方案的修改版本，改进了原始论文的结果。也可用作 EfficientNet_V2_S_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	84.228
acc@5 (在 ImageNet-1K 上)	96.878
类别	丁鳜, 金鱼, 大白鲨, ... (省略 997 个)
最小尺寸	高度=33, 宽度=33
方案	链接
num_params	21458488
GFLOPS	8.37
文件大小	82.7 MB

推理转换可在 EfficientNet_V2_S_Weights.IMAGENET1K_V1.transforms 中获得，并执行以下预处理操作：接受 PIL.Image、批量 (B, C, H, W) 和单张 (C, H, W) 图像 torch.Tensor 对象。使用 interpolation=InterpolationMode.BILINEAR 将图像大小调整为 resize_size=[384]，然后进行 crop_size=[384] 的中心裁剪。最后，值首先重新缩放到 [0.0, 1.0]，然后使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 进行标准化。