convnext_base

torchvision.models.convnext_base(*, weights: Optional[ConvNeXt_Base_Weights] = None, progress: bool = True, **kwargs: Any) → ConvNeXt

ConvNeXt Base 模型架構，來自 A ConvNet for the 2020s 論文。

引數:

• weights (ConvNeXt_Base_Weights, 可選) – 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 ConvNeXt_Base_Weights。預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則在 stderr 上顯示下載進度條。預設為 True。

• **kwargs – 傳遞給 torchvision.models.convnext.ConvNeXt 基類的引數。有關此類名稱的更多詳細資訊，請參閱 原始碼。

class torchvision.models.ConvNeXt_Base_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。 ConvNeXt_Base_Weights.DEFAULT 等同於 ConvNeXt_Base_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ConvNeXt_Base_Weights.IMAGENET1K_V1:

這些權重透過使用 TorchVision 的 新訓練配方 的修改版本，改進了原始論文的結果。也可用作 ConvNeXt_Base_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	84.062
acc@5 (在 ImageNet-1K 上)	96.87
min_size	height=32, width=32
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
方案	連結
引數數量	88591464
GFLOPS	15.36
檔案大小	338.1 MB

推理轉換可在 ConvNeXt_Base_Weights.IMAGENET1K_V1.transforms 獲得，並執行以下預處理操作：接受 PIL.Image、批次化的 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BILINEAR 將影像縮放至 resize_size=[232]，然後進行中心裁剪 crop_size=[224]。最後，值首先縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行歸一化。