swin_v2_b

torchvision.models.swin_v2_b(*, weights: Optional[Swin_V2_B_Weights] = None, progress: bool = True, **kwargs: Any) → SwinTransformer

從 Swin Transformer V2: Scaling Up Capacity and Resolution 建構 swin_v2_base 架構。

參數:

• weights (Swin_V2_B_Weights, optional) – 要使用的預訓練權重。 有關更多詳細資訊和可能的值，請參閱下面的 Swin_V2_B_Weights。 預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則會在 stderr 上顯示下載的進度條。 預設值為 True。

• **kwargs – 傳遞給 torchvision.models.swin_transformer.SwinTransformer 基底類別的參數。 請參閱 原始碼 以獲取有關此類的更多詳細資訊。

class torchvision.models.Swin_V2_B_Weights(value)

上面的模型建構器接受以下值作為 weights 參數。Swin_V2_B_Weights.DEFAULT 等同於 Swin_V2_B_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

Swin_V2_B_Weights.IMAGENET1K_V1:

這些權重使用類似的訓練方法，可以非常接近地重現論文的結果。也可以使用 Swin_V2_B_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	84.112
acc@5 (在 ImageNet-1K 上)	96.864
類別	tench, goldfish, great white shark, … (省略 997 個)
參數數量	87930848
最小尺寸	height=256, width=256
訓練方法	連結
GFLOPS	20.32
檔案大小	336.4 MB

推論轉換可在 Swin_V2_B_Weights.IMAGENET1K_V1.transforms 中找到，並執行以下預處理操作：接受 PIL.Image、批次化的 (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=[272]，然後進行 crop_size=[256] 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] 進行正規化。