efficientnet_v2_s¶
- torchvision.models.efficientnet_v2_s(*, weights: Optional[EfficientNet_V2_S_Weights] = None, progress: bool = True, **kwargs: Any) EfficientNet [source]¶
从 EfficientNetV2:更小的模型和更快的训练 中构建 EfficientNetV2-S 架构。
- 参数:
weights (
EfficientNet_V2_S_Weights
, 可选) – 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_S_Weights
。默认情况下,不使用任何预训练权重。progress (bool, 可选) – 如果为 True,则在 stderr 中显示下载进度条。默认值为 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)[source]¶
上面的模型构建器接受以下值作为
weights
参数。EfficientNet_V2_S_Weights.DEFAULT
等效于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 新的训练方案 的修改版本,改进了原始论文的结果。也可以使用
EfficientNet_V2_S_Weights.DEFAULT
。acc@1 (在 ImageNet-1K 上)
84.228
acc@5 (在 ImageNet-1K 上)
96.878
类别
tench, goldfish, great white shark, … (997 省略)
最小尺寸
高度=33,宽度=33
方案
参数数量
21458488
GFLOPS
8.37
文件大小
82.7 MB
推理转换位于
EfficientNet_V2_S_Weights.IMAGENET1K_V1.transforms
,执行以下预处理操作:接受PIL.Image
、批处理(B, C, H, W)
和单个(C, H, W)
图像torch.Tensor
对象。图像使用resize_size=[384]
和interpolation=InterpolationMode.BILINEAR
进行调整大小,然后进行crop_size=[384]
的中心裁剪。最后,将值首先重新缩放到[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。