vit_b_16¶
- torchvision.models.vit_b_16(*, weights: Optional[ViT_B_16_Weights] = None, progress: bool = True, **kwargs: Any) VisionTransformer[源代码]¶
根据一张图片值 16x16 个词：用于大规模图像识别的 Transformer构建 vit_b_16 架构。
- 参数：
weights (
ViT_B_16_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ViT_B_16_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标准错误输出。默认为 True。
**kwargs – 传递给
torchvision.models.vision_transformer.VisionTransformer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.ViT_B_16_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights参数。ViT_B_16_Weights.DEFAULT等效于ViT_B_16_Weights.IMAGENET1K_V1。您也可以使用字符串，例如weights='DEFAULT'或weights='IMAGENET1K_V1'。ViT_B_16_Weights.IMAGENET1K_V1:
这些权重是使用DeIT的修改版训练配方从头开始训练的。也可作为
ViT_B_16_Weights.DEFAULT使用。acc@1（在 ImageNet-1K 上）
81.072
acc@5（在 ImageNet-1K 上）
95.318
类别
海鞘、金鱼、大白鲨、……（省略 997 个）
参数数量
86567656
最小尺寸
高度=224，宽度=224
配方
GFLOPS
17.56
文件大小
330.3 MB
推理变换可在
ViT_B_16_Weights.IMAGENET1K_V1.transforms中获得，并执行以下预处理操作：接受PIL.Image、批处理(B, C, H, W)和单个(C, H, W)图像torch.Tensor对象。图像使用interpolation=InterpolationMode.BILINEAR调整到resize_size=[256]，然后进行crop_size=[224]的中心裁剪。最后，值首先重新缩放至[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。ViT_B_16_Weights.IMAGENET1K_SWAG_E2E_V1:
这些权重通过端到端微调原始SWAG权重在 ImageNet-1K 数据上进行迁移学习获得。
acc@1（在 ImageNet-1K 上）
85.304
acc@5（在 ImageNet-1K 上）
97.65
类别
海鞘、金鱼、大白鲨、……（省略 997 个）
配方
许可证
参数数量
86859496
最小尺寸
高度=384，宽度=384
GFLOPS
55.48
文件大小
331.4 MB
推理变换可在
ViT_B_16_Weights.IMAGENET1K_SWAG_E2E_V1.transforms中获得，并执行以下预处理操作：接受PIL.Image、批处理(B, C, H, W)和单个(C, H, W)图像torch.Tensor对象。图像使用interpolation=InterpolationMode.BICUBIC调整到resize_size=[384]，然后进行crop_size=[384]的中心裁剪。最后，值首先重新缩放至[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。ViT_B_16_Weights.IMAGENET1K_SWAG_LINEAR_V1:
这些权重由原始冻结的SWAG主干权重和在其之上学习的线性分类器组成，该分类器在 ImageNet-1K 数据上进行训练。
acc@1（在 ImageNet-1K 上）
81.886
acc@5（在 ImageNet-1K 上）
96.18
类别
海鞘、金鱼、大白鲨、……（省略 997 个）
配方
许可证
参数数量
86567656
最小尺寸
高度=224，宽度=224
GFLOPS
17.56
文件大小
330.3 MB
推理变换可在
ViT_B_16_Weights.IMAGENET1K_SWAG_LINEAR_V1.transforms中获得，并执行以下预处理操作：接受PIL.Image、批处理(B, C, H, W)和单个(C, H, W)图像torch.Tensor对象。图像使用interpolation=InterpolationMode.BICUBIC调整到resize_size=[224]，然后进行crop_size=[224]的中心裁剪。最后，值首先重新缩放至[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。
