swin_b

torchvision.models.swin_b(*, weights: Optional[Swin_B_Weights] = None, progress: bool = True, **kwargs: Any) → SwinTransformer

從 Swin Transformer: Hierarchical Vision Transformer using Shifted Windows 構建一個 swin_base 架構。

引數:

• weights (Swin_B_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 Swin_B_Weights。預設情況下不使用預訓練權重。

• progress (bool，可選) – 如果為 True，則向標準錯誤流 (stderr) 顯示下載進度條。預設值為 True。

• **kwargs – 傳遞給 torchvision.models.swin_transformer.SwinTransformer 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.Swin_B_Weights(value)

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

Swin_B_Weights.IMAGENET1K_V1:

這些權重使用類似的訓練方法，可以很好地重現論文中的結果。也可以作為 Swin_B_Weights.DEFAULT 使用。

acc@1（在 ImageNet-1K 上）	83.582
acc@5（在 ImageNet-1K 上）	96.64
類別	丁鱖、金魚、大白鯊，……（省略 997 個）
引數數量	87768224
最小尺寸	高度=224，寬度=224
方法	連結
GFLOPS	15.43
檔案大小	335.4 MB

推理變換可在 Swin_B_Weights.IMAGENET1K_V1.transforms 中找到，並執行以下預處理操作：接受 PIL.Image、批處理 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BICUBIC 縮放到 resize_size=[238]，然後進行 crop_size=[224] 的中心裁剪。最後，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。