convnext_base

torchvision.models.convnext_base(*, weights: Optional[ConvNeXt_Base_Weights] = None, progress: bool = True, **kwargs: Any) → ConvNeXt

來自《A ConvNet for the 2020s》論文的 ConvNeXt Base 模型架構。

引數：

• weights (ConvNeXt_Base_Weights, optional) – 要使用的預訓練權重。請參閱下面的 ConvNeXt_Base_Weights 獲取更多詳細資訊和可能的值。預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則在 stderr 顯示下載進度條。預設值為 True。

• **kwargs – 傳遞給 torchvision.models.convnext.ConvNext 基類的引數。請參考原始碼瞭解此類的更多詳細資訊。

class torchvision.models.ConvNeXt_Base_Weights(value)

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

ConvNeXt_Base_Weights.IMAGENET1K_V1:

這些權重透過使用 TorchVision 新訓練方法的修改版本，改進了原論文的結果。也可作為 ConvNeXt_Base_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	84.062
acc@5 (在 ImageNet-1K 上)	96.87
最小尺寸	高=32，寬=32
類別	丁鱖，金魚，大白鯊，… (省略 997 個)
方法	連結
引數數量	88591464
GFLOPS	15.36
檔案大小	338.1 MB

推理轉換可透過 ConvNeXt_Base_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) 和單個的 (C, H, W) 影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BILINEAR 將影像大小調整為 resize_size=[232]，然後進行 crop_size=[224] 的中心裁剪。最後，先將值重新縮放到 [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。