efficientnet_b4

torchvision.models.efficientnet_b4(*, weights: Optional[EfficientNet_B4_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

來自 EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 論文中的 EfficientNet B4 模型架構。

引數：

• weights (EfficientNet_B4_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 EfficientNet_B4_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.efficientnet.EfficientNet 基類的引數。有關此類別的更多詳細資訊，請參閱 原始碼。

class torchvision.models.EfficientNet_B4_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。EfficientNet_B4_Weights.DEFAULT 等同於 EfficientNet_B4_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_B4_Weights.IMAGENET1K_V1:

這些權重是從原始論文移植而來。也可用作 EfficientNet_B4_Weights.DEFAULT。

acc@1（在 ImageNet-1K 上）	83.384
acc@5（在 ImageNet-1K 上）	96.594
類別	丁鱥、金魚、大白鯊，…（省略 997 個）
最小尺寸	高度=1，寬度=1
配方	連結
引數數量	19341616
GFLOPS	4.39
檔案大小	74.5 MB

推理轉換可在 EfficientNet_B4_Weights.IMAGENET1K_V1.transforms 獲得，並執行以下預處理操作：接受 PIL.Image、批次 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BICUBIC 將影像大小調整為 resize_size=[384]，然後進行 crop_size=[380] 的中心裁剪。最後，首先將值重新縮放至 [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。