efficientnet_b7

torchvision.models.efficientnet_b7(*, weights: Optional[EfficientNet_B7_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

來自EfficientNet：重新思考卷積神經網路的模型縮放論文的 EfficientNet B7 模型架構。

引數:

• weights (EfficientNet_B7_Weights, 可選) – 要使用的預訓練權重。更多詳情和可能的值請參閱下文的EfficientNet_B7_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 (stderr) 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。有關此類的更多詳細資訊，請參閱原始碼。

class torchvision.models.EfficientNet_B7_Weights(value)

上面的模型構建器接受以下值作為weights引數。EfficientNet_B7_Weights.DEFAULT等效於EfficientNet_B7_Weights.IMAGENET1K_V1。您也可以使用字串，例如weights='DEFAULT'或weights='IMAGENET1K_V1'。

EfficientNet_B7_Weights.IMAGENET1K_V1:

這些權重從原始論文移植而來。也可用作EfficientNet_B7_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	84.122
acc@5 (在 ImageNet-1K 上)	96.908
類別	tench, goldfish, great white shark, … (省略 997 個)
最小尺寸	height=1, width=1
配方	連結
引數數量	66347960
GFLOPS	37.75
檔案大小	254.7 MB

推理變換可在EfficientNet_B7_Weights.IMAGENET1K_V1.transforms中找到，並執行以下預處理操作：接受PIL.Image、批處理的(B, C, H, W)和單張(C, H, W)影像torch.Tensor物件。影像使用interpolation=InterpolationMode.BICUBIC被調整大小到resize_size=[600]，接著進行中心裁剪，大小為crop_size=[600]。最後，畫素值首先被重新縮放到[0.0, 1.0]，然後使用mean=[0.485, 0.456, 0.406]和std=[0.229, 0.224, 0.225]進行歸一化處理。