efficientnet_v2_l

torchvision.models.efficientnet_v2_l(*, weights: Optional[EfficientNet_V2_L_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

根據 EfficientNetV2: Smaller Models and Faster Training 構建 EfficientNetV2-L 架構。

引數:

• weights (EfficientNet_V2_L_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 EfficientNet_V2_L_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.efficientnet.EfficientNet 基類的引數。有關此類類的更多詳細資訊，請參閱 原始碼。

class torchvision.models.EfficientNet_V2_L_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。 EfficientNet_V2_L_Weights.DEFAULT 等同於 EfficientNet_V2_L_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_V2_L_Weights.IMAGENET1K_V1:

這些權重是從原始論文移植過來的。也可用作 EfficientNet_V2_L_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	85.808
acc@5 (在 ImageNet-1K 上)	97.788
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
min_size	height=33, width=33
方案	連結
引數數量	118515272
GFLOPS	56.08
檔案大小	454.6 MB

推理轉換可在 EfficientNet_V2_L_Weights.IMAGENET1K_V1.transforms 中獲得，並執行以下預處理操作：接受 PIL.Image，以及批處理的 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BICUBIC 將影像縮放到 resize_size=[480]，然後進行中心裁剪 crop_size=[480]。最後，值首先縮放到 [0.0, 1.0]，然後使用 mean=[0.5, 0.5, 0.5] 和 std=[0.5, 0.5, 0.5] 進行歸一化。