efficientnet_b5

torchvision.models.efficientnet_b5(*, weights: Optional[EfficientNet_B5_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

源自EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 論文的 EfficientNet B5 模型架構。

引數:

• weights (EfficientNet_B5_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_B5_Weights。預設情況下，不使用預訓練權重。

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

• **kwargs – 傳遞給 torchvision.models.efficientnet.EfficientNet 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.EfficientNet_B5_Weights(value)

上述模型構建器接受以下值作為 weights 引數。EfficientNet_B5_Weights.DEFAULT 等同於 EfficientNet_B5_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_B5_Weights.IMAGENET1K_V1:

這些權重是從原始論文中移植的。也可作為 EfficientNet_B5_Weights.DEFAULT 使用。

acc@1（在 ImageNet-1K 上）	83.444
acc@5（在 ImageNet-1K 上）	96.628
類別	丁鱖、金魚、大白鯊，...（省略 997 項）
最小尺寸	高=1, 寬=1
方法	連結
引數數量	30389784
GFLOPS	10.27
檔案大小	116.9 MB

推理變換可透過 EfficientNet_B5_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.BICUBIC 將影像大小調整為 resize_size=[456]，然後進行中心裁剪，裁剪大小為 crop_size=[456]。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。