maxvit_t

torchvision.models.maxvit_t(*, weights: Optional[MaxVit_T_Weights] = None, progress: bool = True, **kwargs: Any) → MaxVit

根据MaxViT：多轴视觉转换器构建 maxvit_t 架构。

参数：

• weights (MaxVit_T_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MaxVit_T_Weights。默认情况下，不使用任何预训练权重。

• progress (布尔值，可选) – 如果为 True，则将下载进度条显示到标准错误输出。默认为 True。

• **kwargs – 传递给torchvision.models.maxvit.MaxVit基类的参数。有关此类的更多详细信息，请参阅源代码。

类 torchvision.models.MaxVit_T_Weights(value)

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

MaxVit_T_Weights.IMAGENET1K_V1:

这些权重使用类似的训练方案重现了论文的结果。它们使用 0.99 的 BatchNorm2D 动量进行训练，而不是更正确的 0.01。也可作为MaxVit_T_Weights.DEFAULT使用。

acc@1（在 ImageNet-1K 上）	83.7
acc@5（在 ImageNet-1K 上）	96.722
类别	tench、金鱼、大白鲨、…（省略 997 个）
参数数量	30919624
最小尺寸	高度=224，宽度=224
配方	链接
GFLOPS	5.56
文件大小	118.8 MB

推理变换可在MaxVit_T_Weights.IMAGENET1K_V1.transforms中获得，并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interpolation=InterpolationMode.BICUBIC调整到resize_size=[224]，然后进行crop_size=[224]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]进行归一化。