convnext_large

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

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

引數：

• weights (ConvNeXt_Large_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，請參閱下文中的 ConvNeXt_Large_Weights。預設情況下，不使用預訓練權重。

• progress (bool, 可選) – 如果為 True，則在標準錯誤輸出中顯示下載進度條。預設為 True。

• **kwargs – 傳遞給 torchvision.models.convnext.ConvNext 基類的引數。有關此類的更多詳細資訊，請參閱原始碼。

類 torchvision.models.ConvNeXt_Large_Weights(value)

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

ConvNeXt_Large_Weights.IMAGENET1K_V1:

這些權重透過使用 TorchVision 新訓練方案的修改版本，改進了原始論文的結果。也可用作 ConvNeXt_Large_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	84.414
acc@5 (在 ImageNet-1K 上)	96.976
最小尺寸	高=32, 寬=32
類別	丁鱖、金魚、大白鯊，… (省略 997 個)
訓練方案	連結
引數數量	197767336
GFLOPS	34.36
檔案大小	754.5 MB

推理變換可在 ConvNeXt_Large_Weights.IMAGENET1K_V1.transforms 中找到，並執行以下預處理操作：接受 PIL.Image、批次 (B, C, H, W) 和單張 (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]，然後進行中心裁剪，裁剪尺寸為 crop_size=[224]。最後，將值首先重新縮放到 [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。