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