swin3d_b¶
- torchvision.models.video.swin3d_b(*, weights: Optional[Swin3D_B_Weights] = None, progress: bool = True, **kwargs: Any) SwinTransformer3d[原始碼]¶
從 Video Swin Transformer 建構 swin_base 架構。
- 參數:
weights (
Swin3D_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Swin3D_B_Weights。 預設情況下，不使用任何預先訓練的權重。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.video.swin_transformer.SwinTransformer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.video.Swin3D_B_Weights(value)[原始碼]¶
上述模型建構器接受下列值作為
weights參數。Swin3D_B_Weights.DEFAULT等同於Swin3D_B_Weights.KINETICS400_V1。您也可以使用字串，例如weights='DEFAULT'或weights='KINETICS400_V1'。Swin3D_B_Weights.KINETICS400_V1:
這些權重是從論文移植過來的。準確度是在影片層級上估算的，參數為 frame_rate=15、clips_per_video=12 和 clip_len=32。也可用作
Swin3D_B_Weights.DEFAULT。acc@1 (在 Kinetics-400 上)
79.427
acc@5 (在 Kinetics-400 上)
94.386
類別
垂降, 空氣鼓, 回答問題, … (省略 397 個)
min_size
height=1, width=1
min_temporal_size
1
配方
num_params
88048984
GFLOPS
140.67
檔案大小
364.1 MB
推論轉換可在
Swin3D_B_Weights.KINETICS400_V1.transforms中找到，並執行以下預處理操作：接受批次的(B, T, C, H, W)和單一的(T, C, H, W)影片幀torch.Tensor物件。這些幀使用interpolation=InterpolationMode.BILINEAR調整大小為resize_size=[256]，然後進行crop_size=[224, 224]的中央裁剪。最後，這些值首先重新縮放到[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。最後，輸出維度排列為(..., C, T, H, W)張量。Swin3D_B_Weights.KINETICS400_IMAGENET22K_V1:
這些權重是從論文移植過來的。準確度是在影片層級上估算的，參數為 frame_rate=15、clips_per_video=12 和 clip_len=32。
acc@1 (在 Kinetics-400 上)
81.643
acc@5 (在 Kinetics-400 上)
95.574
類別
垂降, 空氣鼓, 回答問題, … (省略 397 個)
min_size
height=1, width=1
min_temporal_size
1
配方
num_params
88048984
GFLOPS
140.67
檔案大小
364.1 MB
推論轉換可在
Swin3D_B_Weights.KINETICS400_IMAGENET22K_V1.transforms中找到，並執行以下預處理操作：接受批次的(B, T, C, H, W)和單一的(T, C, H, W)影片幀torch.Tensor物件。這些幀使用interpolation=InterpolationMode.BILINEAR調整大小為resize_size=[256]，然後進行crop_size=[224, 224]的中央裁剪。最後，這些值首先重新縮放到[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。最後，輸出維度排列為(..., C, T, H, W)張量。
