efficientnet_v2_m

torchvision.models.efficientnet_v2_m(*, weights: Optional[EfficientNet_V2_M_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

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

參數:

• weights (EfficientNet_V2_M_Weights, optional) – 要使用的預先訓練權重。 請參閱下方的 EfficientNet_V2_M_Weights 以獲取更多詳細資訊和可能的值。 預設情況下，不使用預先訓練的權重。

• progress (bool, optional) – 如果為 True，則在 stderr 中顯示下載的進度條。 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_V2_M_Weights(value)

上述的模型建構器接受以下數值作為 weights 參數。 EfficientNet_V2_M_Weights.DEFAULT 等同於 EfficientNet_V2_M_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_V2_M_Weights.IMAGENET1K_V1:

這些權重透過使用 TorchVision 修改後的 新訓練方法，改進了原始論文的結果。 也可作為 EfficientNet_V2_M_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	85.112
acc@5 (在 ImageNet-1K 上)	97.156
類別	tench, goldfish, great white shark, … (省略 997 個)
min_size	height=33, width=33
訓練方法	連結
num_params	54139356
GFLOPS	24.58
檔案大小	208.0 MB

推論轉換可在 EfficientNet_V2_M_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) 和單個的 (C, H, W) 影像 torch.Tensor 物件。 影像會使用 interpolation=InterpolationMode.BILINEAR 調整大小為 resize_size=[480]，然後進行 crop_size=[480] 的中心裁剪。 最後，這些值首先重新縮放至 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行正規化。