快捷方式

vit_l_16

torchvision.models.vit_l_16(*, weights: Optional[ViT_L_16_Weights] = None, progress: bool = True, **kwargs: Any) VisionTransformer[source]

根据一张图像值16x16个词:大规模图像识别的Transformer构建 vit_l_16 架构。

参数:
  • weights (ViT_L_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_L_16_Weights。默认情况下,不使用预训练权重。

  • progress (bool, 可选) – 如果为 True,则在 stderr 中显示下载进度条。默认为 True。

  • **kwargs – 传递给torchvision.models.vision_transformer.VisionTransformer基类的参数。请参考源代码了解此类的更多详细信息。

class torchvision.models.ViT_L_16_Weights(value)[source]

上述模型构建器接受以下值作为 weights 参数。ViT_L_16_Weights.DEFAULT 等同于 ViT_L_16_Weights.IMAGENET1K_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='IMAGENET1K_V1'

ViT_L_16_Weights.IMAGENET1K_V1:

这些权重是使用 TorchVision 修改后的新训练配方从零开始训练的。也可作为 ViT_L_16_Weights.DEFAULT 使用。

acc@1(在 ImageNet-1K 上)

79.662

acc@5(在 ImageNet-1K 上)

94.638

类别

丁鲷、金鱼、大白鲨…(省略997个)

参数数量

304326632

最小尺寸

height=224, width=224

配方

链接

GFLOPS

61.55

文件大小

1161.0 MB

推理转换可在 ViT_L_16_Weights.IMAGENET1K_V1.transforms 中找到,并执行以下预处理操作:接受 PIL.Image、批处理的 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。使用 interpolation=InterpolationMode.BILINEAR 将图像大小调整为 resize_size=[242],然后进行中心裁剪,大小为 crop_size=[224]。最后,首先将值重新缩放到 [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。

ViT_L_16_Weights.IMAGENET1K_SWAG_E2E_V1:

这些权重是通过迁移学习获得的,通过在 ImageNet-1K 数据上对原始 SWAG 权重进行端到端微调。

acc@1(在 ImageNet-1K 上)

88.064

acc@5(在 ImageNet-1K 上)

98.512

类别

丁鲷、金鱼、大白鲨…(省略997个)

配方

链接

许可证

链接

参数数量

305174504

最小尺寸

height=512, width=512

GFLOPS

361.99

文件大小

1164.3 MB

推理转换可在 ViT_L_16_Weights.IMAGENET1K_SWAG_E2E_V1.transforms 中找到,并执行以下预处理操作:接受 PIL.Image、批处理的 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。使用 interpolation=InterpolationMode.BICUBIC 将图像大小调整为 resize_size=[512],然后进行中心裁剪,大小为 crop_size=[512]。最后,首先将值重新缩放到 [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。

ViT_L_16_Weights.IMAGENET1K_SWAG_LINEAR_V1:

这些权重由原始冻结的 SWAG 主干权重和在此基础上训练的线性分类器组成,在 ImageNet-1K 数据上训练。

acc@1(在 ImageNet-1K 上)

85.146

acc@5(在 ImageNet-1K 上)

97.422

类别

丁鲷、金鱼、大白鲨…(省略997个)

配方

链接

许可证

链接

参数数量

304326632

最小尺寸

height=224, width=224

GFLOPS

61.55

文件大小

1161.0 MB

推理转换可在 ViT_L_16_Weights.IMAGENET1K_SWAG_LINEAR_V1.transforms 中找到,并执行以下预处理操作:接受 PIL.Image、批处理的 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。使用 interpolation=InterpolationMode.BICUBIC 将图像大小调整为 resize_size=[224],然后进行中心裁剪,大小为 crop_size=[224]。最后,首先将值重新缩放到 [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。

文档

访问全面的 PyTorch 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度教程

查看教程

资源

查找开发资源并获得问题解答

查看资源