快捷方式

swin3d_s

torchvision.models.video.swin3d_s(*, weights: Optional[Swin3D_S_Weights] = None, progress: bool = True, **kwargs: Any) SwinTransformer3d[源代码]

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'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=15clips_per_video=12clip_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

链接

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]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

获取面向初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源