r3d_18¶
- torchvision.models.video.r3d_18(*, weights: Optional[R3D_18_Weights] = None, progress: bool = True, **kwargs: Any) VideoResNet[原始碼]¶
構建 18 層 Resnet3D 模型。
警告
The video module is in Beta stage, and backward compatibility is not guaranteed.
參考： A Closer Look at Spatiotemporal Convolutions for Action Recognition（深入研究用於動作識別的時空卷積）。
- 引數:
weights (
R3D_18_Weights, optional) – 要使用的預訓練權重。有關更多詳細資訊和可能的值，請參見下面的R3D_18_Weights。預設情況下，不使用預訓練權重。progress (bool) – 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.video.resnet.VideoResNet基類的引數。有關此類更多詳細資訊，請參閱 原始碼。
- class torchvision.models.video.R3D_18_Weights(value)[原始碼]¶
上面的模型構建器接受以下值作為
weights引數。R3D_18_Weights.DEFAULT等同於R3D_18_Weights.KINETICS400_V1。您也可以使用字串，例如weights='DEFAULT'或weights='KINETICS400_V1'。R3D_18_Weights.KINETICS400_V1:
這些權重非常接近論文的精度。精度是在影片級別透過引數 frame_rate=15、clips_per_video=5 和 clip_len=16 來估算的。也可用作
R3D_18_Weights.DEFAULT。acc@1（在 Kinetics-400 上）
63.2
acc@5（在 Kinetics-400 上）
83.479
min_size
height=1, width=1
類別
abseiling, air drumming, answering questions, … (省略397項)
方案
引數數量
33371472
GFLOPS
40.70
檔案大小
127.4 MB
推理轉換可在
R3D_18_Weights.KINETICS400_V1.transforms處獲得，並執行以下預處理操作：接受批處理的(B, T, C, H, W)和單個(T, C, H, W)影片幀torch.Tensor物件。使用interpolation=InterpolationMode.BILINEAR將幀調整為resize_size=[128, 171]，然後進行中心裁剪crop_size=[112, 112]。最後，值首先被縮放到[0.0, 1.0]，然後使用mean=[0.43216, 0.394666, 0.37645]和std=[0.22803, 0.22145, 0.216989]進行歸一化。最後，輸出維度被置換為(..., C, T, H, W)張量。
