快捷方式

efficientnet_v2_s

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

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'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

链接

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]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]std=[0.229, 0.224, 0.225] 进行标准化。

文档

访问 PyTorch 的综合开发者文档

查看文档

教程

获取面向初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源