maxvit_t

torchvision.models.maxvit_t(*, weights: Optional[MaxVit_T_Weights] = None, progress: bool = True, **kwargs: Any) → MaxVit

從 MaxViT: Multi-Axis Vision Transformer 建構 maxvit_t 架構。

參數：

• weights (MaxVit_T_Weights, 選用) – 要使用的預訓練權重。請參閱下方的 MaxVit_T_Weights 以了解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, 選用) – 如果為 True，則在 stderr 中顯示下載進度列。預設值為 True。

• **kwargs – 傳遞至 torchvision.models.maxvit.MaxVit 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.MaxVit_T_Weights(value)

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

MaxVit_T_Weights.IMAGENET1K_V1:

這些權重使用類似的訓練方法，幾乎重現了論文的結果。它們在訓練時使用的 BatchNorm2D 動量為 0.99，而不是更正確的 0.01。也以 MaxVit_T_Weights.DEFAULT 提供。

acc@1 (在 ImageNet-1K 上)	83.7
acc@5 (在 ImageNet-1K 上)	96.722
類別	丁鯛、金魚、大白鯊、… (省略 997 個)
num_params	30919624
min_size	height=224, width=224
方法	連結
GFLOPS	5.56
檔案大小	118.8 MB

推論轉換可在 MaxVit_T_Weights.IMAGENET1K_V1.transforms 取得，並執行以下預處理操作：接受 PIL.Image、批次處理 (B, C, H, W) 和單一影像 (C, H, W) 物件。影像會使用 resize_size=[224] 調整大小為 interpolation=InterpolationMode.BICUBIC，然後進行 crop_size=[224] 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] 進行正規化。