vit_l_16

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

从 一张图片值 16x16 个词：用于大规模图像识别的 Transformer 中构建 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，请参阅下面的 ViT_L_16_Weights。默认情况下，不使用任何预训练权重。

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

class torchvision.models.ViT_L_16_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 ViT_L_16_Weights.DEFAULT 等效于 ViT_L_16_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ViT_L_16_Weights.IMAGENET1K_V1:

这些权重是通过使用 TorchVision 修改版的 新训练配方 从头开始训练的。也可用作 ViT_L_16_Weights.DEFAULT。

acc@1（在 ImageNet-1K 上）	79.662
acc@5（在 ImageNet-1K 上）	94.638
类别	十棘鱼、金鱼、大白鲨、…（省略 997 个）
参数数量	304326632
最小尺寸	高度=224，宽度=224
配方	链接
GFLOPS	61.55
文件大小	1161.0 MB

推理转换在 ViT_L_16_Weights.IMAGENET1K_V1.transforms 中可用，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 调整大小到 resize_size=[242]，然后对中心裁剪到 crop_size=[224]。最后，将值先重新缩放到 [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。

ViT_L_16_Weights.IMAGENET1K_SWAG_E2E_V1:

这些权重是通过在 ImageNet-1K 数据上对原始 SWAG 权重进行端到端微调来通过迁移学习学习的。

acc@1（在 ImageNet-1K 上）	88.064
acc@5（在 ImageNet-1K 上）	98.512
类别	十棘鱼、金鱼、大白鲨、…（省略 997 个）
配方	链接
许可	链接
参数数量	305174504
最小尺寸	高度=512，宽度=512
GFLOPS	361.99
文件大小	1164.3 MB

推理转换在 ViT_L_16_Weights.IMAGENET1K_SWAG_E2E_V1.transforms 中可用，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 调整大小到 resize_size=[512]，然后对中心裁剪到 crop_size=[512]。最后，将值先重新缩放到 [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。

ViT_L_16_Weights.IMAGENET1K_SWAG_LINEAR_V1:

这些权重由在 ImageNet-1K 数据上训练的原始冻结 SWAG 主干权重和在其之上学习的线性分类器组成。

acc@1（在 ImageNet-1K 上）	85.146
acc@5（在 ImageNet-1K 上）	97.422
类别	十棘鱼、金鱼、大白鲨、…（省略 997 个）
配方	链接
许可	链接
参数数量	304326632
最小尺寸	高度=224，宽度=224
GFLOPS	61.55
文件大小	1161.0 MB

推理变换可在 ViT_L_16_Weights.IMAGENET1K_SWAG_LINEAR_V1.transforms 找到，并执行以下预处理操作：接受 PIL.Image、批处理 (B, C, H, W) 以及单个 (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。