efficientnet_v2_l

torchvision.models.efficientnet_v2_l(*, weights: Optional[EfficientNet_V2_L_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

構建 EfficientNetV2-L 架構，出自 EfficientNetV2: Smaller Models and Faster Training。

引數：

• weights (EfficientNet_V2_L_Weights, optional) – 要使用的預訓練權重。詳見下方的 EfficientNet_V2_L_Weights，瞭解更多詳情和可能的值。預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則在 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。請參閱 原始碼 瞭解關於此類的更多詳情。

class torchvision.models.EfficientNet_V2_L_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。EfficientNet_V2_L_Weights.DEFAULT 等同於 EfficientNet_V2_L_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_V2_L_Weights.IMAGENET1K_V1:

這些權重從原始論文移植而來。也可作為 EfficientNet_V2_L_Weights.DEFAULT 使用。

acc@1（在 ImageNet-1K 上）	85.808
acc@5（在 ImageNet-1K 上）	97.788
類別	丁鯛、金魚、大白鯊等（省略 997 個）
最小尺寸	高=33，寬=33
配方	連結
引數數量	118515272
GFLOPS	56.08
檔案大小	454.6 MB

推理轉換可透過 EfficientNet_V2_L_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。影像使用 interpolation=InterpolationMode.BICUBIC 重塑到 resize_size=[480] 大小，然後進行 crop_size=[480] 的中心裁剪。最後，值首先被重縮放到 [0.0, 1.0]，然後使用 mean=[0.5, 0.5, 0.5] 和 std=[0.5, 0.5, 0.5] 進行歸一化。