swin3d_s

torchvision.models.video.swin3d_s(*, weights: Optional[Swin3D_S_Weights] = None, progress: bool = True, **kwargs: Any) → SwinTransformer3d

從 Video Swin Transformer 構建一個 swin_small 架構。

參數:

• weights (Swin3D_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，請參閱下面的 Swin3D_S_Weights。 預設情況下，不使用任何預訓練權重。

• progress (bool, optional) – 如果為 True，則會顯示下載到 stderr 的進度條。 預設為 True。

• **kwargs – 傳遞給 torchvision.models.video.swin_transformer.SwinTransformer 基類的參數。 有關此類的更多詳細資訊，請參閱 原始程式碼。

class torchvision.models.video.Swin3D_S_Weights(value)

上面的模型建構器接受以下值作為 weights 參數。 Swin3D_S_Weights.DEFAULT 等同於 Swin3D_S_Weights.KINETICS400_V1。 您也可以使用字串，例如 weights='DEFAULT' 或 weights='KINETICS400_V1'。

Swin3D_S_Weights.KINETICS400_V1:

權重從論文中移植而來。 準確度是在影片層級上，以參數 frame_rate=15、clips_per_video=12 和 clip_len=32 估算的。 也可作為 Swin3D_S_Weights.DEFAULT 使用。

acc@1 (在 Kinetics-400 上)	79.521
acc@5 (在 Kinetics-400 上)	94.158
分類	繩降, 空中打鼓, 回答問題, … (省略 397 個)
最小尺寸	height=1, width=1
最小時間尺寸	1
方法	連結
參數數量	49816678
GFLOPS	82.84
檔案大小	218.3 MB

推論轉換可在 Swin3D_S_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。 幀的大小調整為 resize_size=[256]，使用 interpolation=InterpolationMode.BILINEAR，然後進行 crop_size=[224, 224] 的中心裁剪。 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。