swin_s

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

構建基於Swin Transformer: Hierarchical Vision Transformer using Shifted Windows論文的 swin_small 架構。

引數:

• weights (Swin_S_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_S_Weights。預設情況下，不使用預訓練權重。

• progress (bool, 可選) – 如果為 True，則向 stderr 顯示下載進度條。預設為 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，請參閱原始檔。

class torchvision.models.Swin_S_Weights(value)

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

Swin_S_Weights.IMAGENET1K_V1:

這些權重使用類似的訓練方案，可以非常接近地復現論文的結果。也可用作 Swin_S_Weights.DEFAULT。

acc@1（在 ImageNet-1K 上）	83.196
acc@5（在 ImageNet-1K 上）	96.36
類別	丁鱖、金魚、大白鯊……（省略 997 個）
引數數量	49606258
最小尺寸	高=224, 寬=224
訓練方案	連結
GFLOPS	8.74
檔案大小	189.8 MB

推理變換可透過 Swin_S_Weights.IMAGENET1K_V1.transforms 獲取，並執行以下預處理操作：接受 PIL.Image、批處理的 (B, C, H, W) 和單張的 (C, H, W) 影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BICUBIC 將影像調整為 resize_size=[246]，然後進行 crop_size=[224] 的中心裁剪。最後，將值首先重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行歸一化。