efficientnet_b4

torchvision.models.efficientnet_b4(*, weights: Optional[EfficientNet_B4_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

來自 EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 論文的 EfficientNet B4 模型架構。

參數:

• weights (EfficientNet_B4_Weights, optional) – 要使用的預先訓練權重。有關更多詳細資訊和可能的值，請參閱下面的 EfficientNet_B4_Weights。預設情況下，不使用預先訓練的權重。

• progress (bool, optional) – 若為 True，則會將下載進度條顯示到 stderr。預設值為 True。

• **kwargs – 傳遞給 torchvision.models.efficientnet.EfficientNet 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.EfficientNet_B4_Weights(value)

上述模型建構器接受下列值作為 weights 參數。EfficientNet_B4_Weights.DEFAULT 相當於 EfficientNet_B4_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_B4_Weights.IMAGENET1K_V1:

這些權重是從原始論文移植過來的。也可用作 EfficientNet_B4_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	83.384
acc@5 (在 ImageNet-1K 上)	96.594
categories	tench, goldfish, great white shark, … (已省略 997 個)
min_size	height=1, width=1
recipe	link
num_params	19341616
GFLOPS	4.39
File size	74.5 MB

推論轉換可在 EfficientNet_B4_Weights.IMAGENET1K_V1.transforms 中找到，並執行以下預處理操作：接受 PIL.Image、批次處理的 (B, C, H, W) 和單個 (C, H, W) 圖像 torch.Tensor 物件。圖像會使用 interpolation=InterpolationMode.BICUBIC 調整大小為 resize_size=[384]，然後進行 crop_size=[380] 的中心裁剪。最後，這些值會先重新縮放到 [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。