efficientnet_b6

torchvision.models.efficientnet_b6(*, weights: Optional[EfficientNet_B6_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

來自 EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 論文的 EfficientNet B6 模型架構。

引數：

• weights (EfficientNet_B6_Weights, optional) – 要使用的預訓練權重。有關更多詳細資訊和可能的值，請參見下文中的 EfficientNet_B6_Weights。預設情況下，不使用預訓練權重。

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

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

class torchvision.models.EfficientNet_B6_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。EfficientNet_B6_Weights.DEFAULT 等同於 EfficientNet_B6_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_B6_Weights.IMAGENET1K_V1:

這些權重是從原始論文移植的。也可用作 EfficientNet_B6_Weights.DEFAULT。

acc@1（在 ImageNet-1K 上）	84.008
acc@5（在 ImageNet-1K 上）	96.916
類別	丁鯛, 金魚, 大白鯊, ...（省略 997 個）
最小尺寸	height=1, width=1
處理方法	連結
引數數量	43040704
GFLOPS	19.07
檔案大小	165.4 MB

推理變換可在 EfficientNet_B6_Weights.IMAGENET1K_V1.transforms 獲取，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=[528]，然後進行中心裁剪 crop_size=[528]。最後，值首先被重新縮放至 [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。