convnext_base

torchvision.models.convnext_base(*, weights: Optional[ConvNeXt_Base_Weights] = None, progress: bool = True, **kwargs: Any) → ConvNeXt

來自 A ConvNet for the 2020s 論文的 ConvNeXt Base 模型架構。

參數:

• weights (ConvNeXt_Base_Weights, optional) – 要使用的預訓練權重。 有關更多詳細資訊和可能的值，請參閱下方的 ConvNeXt_Base_Weights。 預設情況下，不使用任何預先訓練的權重。

• progress (bool, optional) – 如果為 True，則會在 stderr 顯示下載的進度條。 預設值為 True。

• **kwargs – 傳遞給 torchvision.models.convnext.ConvNext 基底類別的參數。 有關此類別的更多詳細資訊，請參閱 原始碼。

class torchvision.models.ConvNeXt_Base_Weights(value)

上面的模型建構器接受以下值作為 weights 參數。ConvNeXt_Base_Weights.DEFAULT 等同於 ConvNeXt_Base_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ConvNeXt_Base_Weights.IMAGENET1K_V1:

這些權重透過使用 TorchVision 修改後的 新訓練方式，改進了原始論文的結果。也可作為 ConvNeXt_Base_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	84.062
acc@5 (在 ImageNet-1K 上)	96.87
min_size	height=32, width=32
categories	tench, goldfish, great white shark, … (省略 997 個)
recipe	link
num_params	88591464
GFLOPS	15.36
File size	338.1 MB

推論轉換可在 ConvNeXt_Base_Weights.IMAGENET1K_V1.transforms 中找到，並執行以下預處理操作：接受 PIL.Image、批次的 (B, C, H, W) 和單個 (C, H, W) 圖像 torch.Tensor 物件。圖像使用 interpolation=InterpolationMode.BILINEAR 調整大小為 resize_size=[232]，然後進行 crop_size=[224] 的中心裁剪。最後，這些值首先重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行標準化。