swin_s¶
- torchvision.models.swin_s(*, weights: Optional[Swin_S_Weights] = None, progress: bool = True, **kwargs: Any) SwinTransformer [源代码]¶
根据Swin Transformer:使用移位窗口的分层视觉转换器构建 swin_small 架构。
- 参数:
weights (
Swin_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,请参见下面的Swin_S_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.swin_transformer.SwinTransformer
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.Swin_S_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。Swin_S_Weights.DEFAULT
等效于Swin_S_Weights.IMAGENET1K_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_V1'
。Swin_S_Weights.IMAGENET1K_V1:
这些权重使用类似的训练方案,精确地再现了论文的结果。也可作为
Swin_S_Weights.DEFAULT
使用。acc@1(在 ImageNet-1K 上)
83.196
acc@5(在 ImageNet-1K 上)
96.36
类别
tench、金鱼、大白鲨……(省略 997 个)
参数数量
49606258
最小尺寸
高度=224,宽度=224
方案
GFLOPS
8.74
文件大小
189.8 MB
推理转换可在
Swin_S_Weights.IMAGENET1K_V1.transforms
中找到,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=[246]
,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。