efficientnet_v2_s

torchvision.models.efficientnet_v2_s(*, weights: Optional[EfficientNet_V2_S_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

根據 EfficientNetV2: Smaller Models and Faster Training 構建 EfficientNetV2-S 架構。

引數：

• weights (EfficientNet_V2_S_Weights, 可選) – 要使用的預訓練權重。更多詳細資訊和可能的值請參閱下面的 EfficientNet_V2_S_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。有關此類的更多詳細資訊，請參閱原始碼。

class torchvision.models.EfficientNet_V2_S_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。EfficientNet_V2_S_Weights.DEFAULT 等同於 EfficientNet_V2_S_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_V2_S_Weights.IMAGENET1K_V1:

這些權重透過使用 TorchVision 新訓練方案的修改版本，改進了原始論文的結果。也可用作 EfficientNet_V2_S_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	84.228
acc@5 (在 ImageNet-1K 上)	96.878
類別	丁鱖, 金魚, 大白鯊, ... (省略 997 個)
最小尺寸	高度=33, 寬度=33
方案	連結
num_params	21458488
GFLOPS	8.37
檔案大小	82.7 MB

推理轉換可在 EfficientNet_V2_S_Weights.IMAGENET1K_V1.transforms 中獲得，並執行以下預處理操作：接受 PIL.Image、批次 (B, C, H, W) 和單張 (C, H, W) 影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BILINEAR 將影像大小調整為 resize_size=[384]，然後進行 crop_size=[384] 的中心裁剪。最後，值首先重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行標準化。