swin3d_t¶
- torchvision.models.video.swin3d_t(*, weights: Optional[Swin3D_T_Weights] = None, progress: bool = True, **kwargs: Any) SwinTransformer3d[source]¶
從 Video Swin Transformer 建構 swin_tiny 架構。
- 參數:
weights (
Swin3D_T_Weights, optional) – 要使用的預訓練權重。請參閱下方的Swin3D_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, optional) – 若為 True，則在 stderr 中顯示下載進度條。預設值為 True。
**kwargs – 傳遞至
torchvision.models.video.swin_transformer.SwinTransformer基礎類別的參數。關於此類別的更多詳細資訊，請參閱原始碼。
- class torchvision.models.video.Swin3D_T_Weights(value)[source]¶
上述模型建構器接受以下值作為
weights參數。Swin3D_T_Weights.DEFAULT等同於Swin3D_T_Weights.KINETICS400_V1。您也可以使用字串，例如weights='DEFAULT'或weights='KINETICS400_V1'。Swin3D_T_Weights.KINETICS400_V1:
權重移植自該論文。準確度是在影片層級估算的，參數為 frame_rate=15、clips_per_video=12 和 clip_len=32。也以
Swin3D_T_Weights.DEFAULT提供。acc@1 (在 Kinetics-400 上)
77.715
acc@5 (在 Kinetics-400 上)
93.519
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
食譜
num_params
28158070
GFLOPS
43.88
檔案大小
121.5 MB
推論轉換可在
Swin3D_T_Weights.KINETICS400_V1.transforms中取得，並執行以下預先處理操作：接受批次(B, T, C, H, W)和單一(T, C, H, W)影片幀torch.Tensor物件。幀會使用interpolation=InterpolationMode.BILINEAR調整大小為resize_size=[256]，然後進行中心裁剪，crop_size=[224, 224]。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。最後，輸出維度會排列置換為(..., C, T, H, W)張量。
