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'
或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
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]
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
许可证
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]
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
许可证
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]
和std=[0.229, 0.224, 0.225]
进行归一化。