efficientnet_v2_l

torchvision.models.efficientnet_v2_l(*, weights: Optional[EfficientNet_V2_L_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

從 EfficientNetV2: 更小的模型和更快的訓練 建構 EfficientNetV2-L 架構。

參數:

• weights (EfficientNet_V2_L_Weights, optional) – 要使用的預訓練權重。請參閱下方的 EfficientNet_V2_L_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 基底類別的參數。關於此類別的更多詳細資訊，請參閱 原始碼。

class torchvision.models.EfficientNet_V2_L_Weights(value)

上述模型建構器接受以下值作為 weights 參數。EfficientNet_V2_L_Weights.DEFAULT 等同於 EfficientNet_V2_L_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_V2_L_Weights.IMAGENET1K_V1:

這些權重移植自原始論文。也可作為 EfficientNet_V2_L_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	85.808
acc@5 (在 ImageNet-1K 上)	97.788
類別	tench, goldfish, great white shark, … (省略 997 個)
min_size	height=33, width=33
recipe	link
num_params	118515272
GFLOPS	56.08
檔案大小	454.6 MB

推論轉換可在 EfficientNet_V2_L_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) 和單一 (C, H, W) 影像 torch.Tensor 物件。影像會使用 interpolation=InterpolationMode.BICUBIC 調整大小為 resize_size=[480]，然後進行 crop_size=[480] 的中心裁剪。最後，值會先重新縮放至 [0.0, 1.0]，然後使用 mean=[0.5, 0.5, 0.5] 和 std=[0.5, 0.5, 0.5] 進行標準化。