swin_v2_s

torchvision.models.swin_v2_s(*, weights: Optional[Swin_V2_S_Weights] = None, progress: bool = True, **kwargs: Any) → SwinTransformer

從 Swin Transformer V2: Scaling Up Capacity and Resolution 構建一個 swin_v2_small 架構。

參數:

• weights (Swin_V2_S_Weights, optional) – 要使用的預訓練權重。 有關更多詳細資訊和可能的值，請參閱下方的 Swin_V2_S_Weights。 預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則顯示下載到 stderr 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。 有關此類的更多詳細資訊，請參閱 原始碼。

class torchvision.models.Swin_V2_S_Weights(value)

上方的模型建構器接受以下數值作為 weights 參數。Swin_V2_S_Weights.DEFAULT 等同於 Swin_V2_S_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

Swin_V2_S_Weights.IMAGENET1K_V1:

這些權重能在使用類似訓練方式下，緊密重現論文中的結果。也以 Swin_V2_S_Weights.DEFAULT 提供。

acc@1 (在 ImageNet-1K 上)	83.712
acc@5 (在 ImageNet-1K 上)	96.816
類別	tench, goldfish, great white shark, … (省略 997 個)
num_params	49737442
min_size	height=256, width=256
配方	連結
GFLOPS	11.55
檔案大小	190.7 MB

推論轉換可在 Swin_V2_S_Weights.IMAGENET1K_V1.transforms 中取得，並執行以下預處理操作：接受 PIL.Image、批次的 (B, C, H, W) 和單張 (C, H, W) 圖像 torch.Tensor 物件。圖像使用 interpolation=InterpolationMode.BICUBIC 調整大小為 resize_size=[260]，然後進行 crop_size=[256] 的中心裁剪。最後，這些值首先被重新縮放到 [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。