swin3d_b¶
- torchvision.models.video.swin3d_b(*, weights: Optional[Swin3D_B_Weights] = None, progress: bool = True, **kwargs: Any) SwinTransformer3d [源代码]¶
根据视频 Swin Transformer构建 swin_base 架构。
- 参数:
weights (
Swin3D_B_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Swin3D_B_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 stderr。默认为 True。
**kwargs – 传递给
torchvision.models.video.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.video.Swin3D_B_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。Swin3D_B_Weights.DEFAULT
等效于Swin3D_B_Weights.KINETICS400_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='KINETICS400_V1'
。Swin3D_B_Weights.KINETICS400_V1:
这些权重是从论文中移植过来的。准确率是在视频级别上估计的,参数为frame_rate=15、clips_per_video=12和clip_len=32。也可作为
Swin3D_B_Weights.DEFAULT
使用。acc@1(在 Kinetics-400 上)
79.427
acc@5(在 Kinetics-400 上)
94.386
类别
攀绳、空中击鼓、回答问题、…(省略 397 个)
最小尺寸
高度=1,宽度=1
最小时间尺寸
1
方法
参数数量
88048984
GFLOPS
140.67
文件大小
364.1 MB
推理转换在
Swin3D_B_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。帧使用interpolation=InterpolationMode.BILINEAR
调整大小到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=[0.485, 0.456, 0.406]
和std=[0.229, 0.224, 0.225]
进行归一化。最后,输出维度被置换为(..., C, T, H, W)
张量。Swin3D_B_Weights.KINETICS400_IMAGENET22K_V1:
这些权重是从论文中移植过来的。准确率是在视频级别上估计的,参数为frame_rate=15、clips_per_video=12和clip_len=32
acc@1(在 Kinetics-400 上)
81.643
acc@5(在 Kinetics-400 上)
95.574
类别
攀绳、空中击鼓、回答问题、…(省略 397 个)
最小尺寸
高度=1,宽度=1
最小时间尺寸
1
方法
参数数量
88048984
GFLOPS
140.67
文件大小
364.1 MB
推理转换在
Swin3D_B_Weights.KINETICS400_IMAGENET22K_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。帧使用interpolation=InterpolationMode.BILINEAR
调整大小到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=[0.485, 0.456, 0.406]
和std=[0.229, 0.224, 0.225]
进行归一化。最后,输出维度被置换为(..., C, T, H, W)
张量。