swin3d_s¶
- torchvision.models.video.swin3d_s(*, weights: Optional[Swin3D_S_Weights] = None, progress: bool = True, **kwargs: Any) SwinTransformer3d [源代码]¶
从 视频 Swin 变换器 构建 swin_small 架构。
- 参数:
weights (
Swin3D_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Swin3D_S_Weights
。默认情况下,不使用预训练权重。progress (bool, 可选) – 如果为 True,则将下载进度条显示到 stderr。默认值为 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。
- class torchvision.models.video.Swin3D_S_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。Swin3D_S_Weights.DEFAULT
等效于Swin3D_S_Weights.KINETICS400_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='KINETICS400_V1'
。Swin3D_S_Weights.KINETICS400_V1:
权重是从论文中移植过来的。精度是在视频级别上估计的,参数为 frame_rate=15、clips_per_video=12 和 clip_len=32。也可以作为
Swin3D_S_Weights.DEFAULT
使用。acc@1 (在 Kinetics-400 上)
79.521
acc@5 (在 Kinetics-400 上)
94.158
类别
绳索下降,空鼓演奏,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
食谱
参数数量
49816678
GFLOPS
82.84
文件大小
218.3 MB
推断变换位于
Swin3D_S_Weights.KINETICS400_V1.transforms
处,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]
,然后执行中心裁剪,大小为crop_size=[224, 224]
。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。