swin3d_t

torchvision.models.video.swin3d_t(*, weights: Optional[Swin3D_T_Weights] = None, progress: bool = True, **kwargs: Any) → SwinTransformer3d

從 Video Swin Transformer 構建 swin_tiny 架構。

引數:

• weights (Swin3D_T_Weights, 可選) – 要使用的預訓練權重。有關更多詳細資訊和可能值，請參閱下面的 Swin3D_T_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_T_Weights(value)

上述模型構建器接受以下值作為 weights 引數。 Swin3D_T_Weights.DEFAULT 等同於 Swin3D_T_Weights.KINETICS400_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='KINETICS400_V1'。

Swin3D_T_Weights.KINETICS400_V1:

權重是從論文移植的。精度在影片級別進行估算，引數為 frame_rate=15、clips_per_video=12 和 clip_len=32。也可用作 Swin3D_T_Weights.DEFAULT。

acc@1（在 Kinetics-400 上）	77.715
acc@5（在 Kinetics-400 上）	93.519
類別	abseiling, air drumming, answering questions, … (省略397項)
min_size	height=1, width=1
min_temporal_size	1
方案	連結
引數數量	28158070
GFLOPS	43.88
檔案大小	121.5 MB

推理轉換可在 Swin3D_T_Weights.KINETICS400_V1.transforms 中找到，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。幀使用 interpolation=InterpolationMode.BILINEAR 調整大小到 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。