efficientnet_b5

torchvision.models.efficientnet_b5(*, weights: Optional[EfficientNet_B5_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

來自 EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 論文的 EfficientNet B5 模型架構。

參數:

• weights (EfficientNet_B5_Weights, optional) – 要使用的預訓練權重。請參閱下方的 EfficientNet_B5_Weights 以取得更多詳細資訊和可能的值。預設情況下，不使用預訓練權重。

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

• **kwargs – 傳遞至 torchvision.models.efficientnet.EfficientNet 基礎類別的參數。關於此類別的更多詳細資訊，請參閱 原始碼。

class torchvision.models.EfficientNet_B5_Weights(value)

上述模型建構器接受以下值作為 weights 參數。EfficientNet_B5_Weights.DEFAULT 等同於 EfficientNet_B5_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_B5_Weights.IMAGENET1K_V1:

這些權重是從原始論文移植而來。也可作為 EfficientNet_B5_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	83.444
acc@5 (在 ImageNet-1K 上)	96.628
類別	tench, goldfish, great white shark, … (省略 997 個)
min_size	height=1, width=1
recipe	link
num_params	30389784
GFLOPS	10.27
檔案大小	116.9 MB

推論轉換可在 EfficientNet_B5_Weights.IMAGENET1K_V1.transforms 中取得，並執行以下預處理操作：接受 PIL.Image、批次 (B, C, H, W) 和單張 (C, H, W) 影像 torch.Tensor 物件。影像會使用 interpolation=InterpolationMode.BICUBIC 調整大小為 resize_size=[456]，然後進行 crop_size=[456] 的中心裁剪。最後，值會先重新縮放至 [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。