swin3d_b¶
- torchvision.models.video.swin3d_b(*, weights: Optional[Swin3D_B_Weights] = None, progress: bool = True, **kwargs: Any) SwinTransformer3d[來源]¶
從 Video Swin Transformer 構建 swin_base 架構。
- 引數:
weights (
Swin3D_B_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Swin3D_B_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.video.swin_transformer.SwinTransformer基類的引數。有關此類的更多詳細資訊，請參閱 原始碼。
- class torchvision.models.video.Swin3D_B_Weights(value)[來源]¶
上面的模型構建器接受以下值作為
weights引數。Swin3D_B_Weights.DEFAULT等同於Swin3D_B_Weights.KINETICS400_V1。您也可以使用字串，例如weights='DEFAULT'或weights='KINETICS400_V1'。Swin3D_B_Weights.KINETICS400_V1:
權重是從論文移植的。精度是在影片級別使用引數 frame_rate=15、clips_per_video=12 和 clip_len=32 估算的。也作為
Swin3D_B_Weights.DEFAULT提供。acc@1（在 Kinetics-400 上）
79.427
acc@5（在 Kinetics-400 上）
94.386
類別
abseiling, air drumming, answering questions, … (省略397項)
min_size
height=1, width=1
min_temporal_size
1
方案
引數數量
88048984
GFLOPS
140.67
檔案大小
364.1 MB
推理轉換可在
Swin3D_B_Weights.KINETICS400_V1.transforms獲得，並執行以下預處理操作：接受批次(B, T, C, H, W)和單個(T, C, H, W)影片幀torch.Tensor物件。使用interpolation=InterpolationMode.BILINEAR將幀調整大小為resize_size=[256]，然後進行中心裁剪crop_size=[224, 224]。最後，值首先被縮放到[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。最後，輸出維度被置換為(..., C, T, H, W)張量。Swin3D_B_Weights.KINETICS400_IMAGENET22K_V1:
權重是從論文移植的。精度是在影片級別使用引數 frame_rate=15、clips_per_video=12 和 clip_len=32 估算的。
acc@1（在 Kinetics-400 上）
81.643
acc@5（在 Kinetics-400 上）
95.574
類別
abseiling, air drumming, answering questions, … (省略397項)
min_size
height=1, width=1
min_temporal_size
1
方案
引數數量
88048984
GFLOPS
140.67
檔案大小
364.1 MB
推理轉換可在
Swin3D_B_Weights.KINETICS400_IMAGENET22K_V1.transforms獲得，並執行以下預處理操作：接受批次(B, T, C, H, W)和單個(T, C, H, W)影片幀torch.Tensor物件。使用interpolation=InterpolationMode.BILINEAR將幀調整大小為resize_size=[256]，然後進行中心裁剪crop_size=[224, 224]。最後，值首先被縮放到[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。最後，輸出維度被置換為(..., C, T, H, W)張量。
