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]

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'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]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]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]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者的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源