efficientnet_v2_s

torchvision.models.efficientnet_v2_s(*, weights: Optional[EfficientNet_V2_S_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

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

參數:

• weights (EfficientNet_V2_S_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_V2_S_Weights。 預設情況下，不使用預先訓練的權重。

• progress (bool, optional) – 如果為 True，則會將下載的進度條顯示到 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 原始程式碼。

class torchvision.models.EfficientNet_V2_S_Weights(value)

上面的模型建構器接受以下值作為 weights 參數。EfficientNet_V2_S_Weights.DEFAULT 等同於 EfficientNet_V2_S_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_V2_S_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。也以 EfficientNet_V2_S_Weights.DEFAULT 提供。

acc@1 (在 ImageNet-1K 上)	84.228
acc@5 (在 ImageNet-1K 上)	96.878
categories	tench, goldfish, great white shark, … (省略 997 個)
min_size	height=33, width=33
recipe	link
num_params	21458488
GFLOPS	8.37
File size	82.7 MB

推論轉換可在 EfficientNet_V2_S_Weights.IMAGENET1K_V1.transforms 中取得，並執行以下預處理操作：接受 PIL.Image、批次化的 (B, C, H, W) 和單一的 (C, H, W) 影像 torch.Tensor 物件。影像會使用 interpolation=InterpolationMode.BILINEAR 調整大小為 resize_size=[384]，然後進行 crop_size=[384] 的中心裁剪。最後，這些值會先重新縮放至 [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。