快捷方式

mvit_v2_s

torchvision.models.video.mvit_v2_s(*, weights: Optional[MViT_V2_S_Weights] = None, progress: bool = True, **kwargs: Any) MViT[源代码]

根据多尺度视觉转换器MViTv2:改进的多尺度视觉转换器用于分类和检测构建小型 MViTV2 架构。

警告

视频模块处于 Beta 阶段,不保证向后兼容性。

参数:
  • weights (MViT_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,请参见下面的MViT_V2_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.video.MViT基类的参数。有关此类的更多详细信息,请参阅源代码

torchvision.models.video.MViT_V2_S_Weights(value)[源代码]

上面的模型构建器接受以下值作为weights参数。MViT_V2_S_Weights.DEFAULT等效于MViT_V2_S_Weights.KINETICS400_V1。您也可以使用字符串,例如weights='DEFAULT'weights='KINETICS400_V1'

MViT_V2_S_Weights.KINETICS400_V1:

这些权重是从论文中移植的。准确率是在视频级别上估计的,参数为frame_rate=7.5clips_per_video=5clip_len=16。也可作为MViT_V2_S_Weights.DEFAULT使用。

acc@1(在 Kinetics-400 上)

80.757

acc@5(在 Kinetics-400 上)

94.665

最小尺寸

高度=224,宽度=224

最小时间尺寸

16

类别

绳索下降、空中击鼓、回答问题、……(省略 397 个)

配方

链接

参数数量

34537744

GFLOPS

64.22

文件大小

131.9 MB

推理变换可在MViT_V2_S_Weights.KINETICS400_V1.transforms中找到,并执行以下预处理操作:接受批处理的(B, T, C, H, W)和单个(T, C, H, W)视频帧torch.Tensor对象。使用interpolation=InterpolationMode.BILINEAR将帧调整为resize_size=[256],然后进行crop_size=[224, 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=[0.45, 0.45, 0.45]std=[0.225, 0.225, 0.225]进行归一化。最后,输出维度被置换为(..., C, T, H, W)张量。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并解答您的问题

查看资源