efficientnet_v2_s

torchvision.models.efficientnet_v2_s(*, weights: Optional[EfficientNet_V2_S_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

從 EfficientNetV2: Smaller Models and Faster Training 構建 EfficientNetV2-S 架構。

引數:

• weights (EfficientNet_V2_S_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_S_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_S_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。 EfficientNet_V2_S_Weights.DEFAULT 等同於 EfficientNet_V2_S_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_V2_S_Weights.IMAGENET1K_V1:

這些權重透過使用 TorchVision 的 新訓練技巧 的修改版本，改進了原始論文的結果。也可用作 EfficientNet_V2_S_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	84.228
acc@5 (在 ImageNet-1K 上)	96.878
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	21458488
GFLOPS	8.37
檔案大小	82.7 MB

推理變換可在 EfficientNet_V2_S_Weights.IMAGENET1K_V1.transforms 獲得，並執行以下預處理操作：接受 PIL.Image、批處理的 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 調整到 resize_size=[384]，然後進行中心裁剪 crop_size=[384]。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。