快捷方式

s3d

torchvision.models.video.s3d(*, weights: Optional[S3D_Weights] = None, progress: bool = True, **kwargs: Any) S3D[源代码]

构建可分离的 3D CNN 模型。

参考:重新思考时空特征学习

警告

视频模块处于测试阶段,向后兼容性不受保证。

参数::
  • weights (S3D_Weights,可选) – 要使用的预训练权重。有关详细信息和可能的取值,请参阅下面的 S3D_Weights。默认情况下,不使用预训练权重。

  • progress (bool) – 如果为 True,则在 stderr 中显示下载进度条。默认为 True。

  • **kwargs – 传递给 torchvision.models.video.S3D 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.video.S3D_Weights(value)[源代码]

上面的模型构建器接受以下值作为 weights 参数。 S3D_Weights.DEFAULT 等效于 S3D_Weights.KINETICS400_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='KINETICS400_V1'

S3D_Weights.KINETICS400_V1:

这些权重旨在近似于论文的准确性。准确性是在剪辑级别估计的,参数为 frame_rate=15clips_per_video=1clip_len=128。也可以作为 S3D_Weights.DEFAULT 使用。

acc@1 (在 Kinetics-400 上)

68.368

acc@5 (在 Kinetics-400 上)

88.05

最小尺寸

height=224,width=224

最小时间尺寸

14

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

8320048

GFLOPS

17.98

文件大小

32.0 MB

推理变换在 S3D_Weights.KINETICS400_V1.transforms 中可用,并执行以下预处理操作:接受批处理 (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, 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=[0.43216, 0.394666, 0.37645]std=[0.22803, 0.22145, 0.216989] 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

查找开发资源并获得问题的解答

查看资源