swin_s

torchvision.models.swin_s(*, weights: Optional[Swin_S_Weights] = None, progress: bool = True, **kwargs: Any) → SwinTransformer

构建基于Swin Transformer: Hierarchical Vision Transformer using Shifted Windows论文的 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，请参阅下面的 Swin_S_Weights。默认情况下，不使用预训练权重。

• progress (bool, 可选) – 如果为 True，则向 stderr 显示下载进度条。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，请参阅源文件。

class torchvision.models.Swin_S_Weights(value)

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，可以非常接近地复现论文的结果。也可用作 Swin_S_Weights.DEFAULT。

acc@1（在 ImageNet-1K 上）	83.196
acc@5（在 ImageNet-1K 上）	96.36
类别	丁鳜、金鱼、大白鲨……（省略 997 个）
参数数量	49606258
最小尺寸	高=224, 宽=224
训练方案	链接
GFLOPS	8.74
文件大小	189.8 MB

推理变换可通过 Swin_S_Weights.IMAGENET1K_V1.transforms 获取，并执行以下预处理操作：接受 PIL.Image、批处理的 (B, C, H, W) 和单张的 (C, H, W) 图像 torch.Tensor 对象。使用 interpolation=InterpolationMode.BICUBIC 将图像调整为 resize_size=[246]，然后进行 crop_size=[224] 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] 进行归一化。