快捷方式

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

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'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=15clips_per_video=12clip_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

链接

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]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=15clips_per_video=12clip_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

链接

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]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。

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