快捷方式

vit_h_14

torchvision.models.vit_h_14(*, weights: Optional[ViT_H_14_Weights] = None, progress: bool = True, **kwargs: Any) VisionTransformer[源代码]

根据 一幅图像值 16x16 个单词:用于图像识别的 Transformer 构建 vit_h_14 架构。

参数:
  • weights (ViT_H_14_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_H_14_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,则向 stderr 显示下载进度条。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

torchvision.models.ViT_H_14_Weights(value)[源代码]

上面的模型构建器接受以下值作为 weights 参数。 ViT_H_14_Weights.DEFAULT 等效于 ViT_H_14_Weights.IMAGENET1K_SWAG_E2E_V1。您还可以使用字符串,例如 weights='DEFAULT'weights='IMAGENET1K_SWAG_E2E_V1'

ViT_H_14_Weights.IMAGENET1K_SWAG_E2E_V1:

这些权重是通过迁移学习获得的,方法是使用 ImageNet-1K 数据对原始 SWAG 权重进行端到端微调。也可作为 ViT_H_14_Weights.DEFAULT 使用。

acc@1(在 ImageNet-1K 上)

88.552

acc@5(在 ImageNet-1K 上)

98.694

类别

tench、金鱼、大白鲨、……(省略 997 个)

配方

链接

许可证

链接

参数数量

633470440

最小尺寸

高度=518,宽度=518

GFLOPS

1016.72

文件大小

2416.6 MB

推理变换可在 ViT_H_14_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 调整大小为 resize_size=[518],然后进行 crop_size=[518] 的中心裁剪。最后,将值首先重新缩放至 [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。

ViT_H_14_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)

85.708

acc@5(在 ImageNet-1K 上)

97.73

类别

tench、金鱼、大白鲨、……(省略 997 个)

配方

链接

许可证

链接

参数数量

632045800

最小尺寸

高度=224,宽度=224

GFLOPS

167.29

文件大小

2411.2 MB

推理变换可在 ViT_H_14_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 调整大小为 resize_size=[224],然后进行 crop_size=[224] 的中心裁剪。最后,将值首先重新缩放至 [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。

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