swin_t

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

根據 Swin Transformer: Hierarchical Vision Transformer using Shifted Windows 構建 swin_tiny 架構。

引數:

• weights (Swin_T_Weights, optional) – 要使用的預訓練權重。有關更多詳細資訊和可能的值，請參閱下文的 Swin_T_Weights。預設情況下不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則向 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_T_Weights(value)

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

Swin_T_Weights.IMAGENET1K_V1:

這些權重透過類似的訓練方案，可以很好地復現論文結果。也可用作 Swin_T_Weights.DEFAULT。

acc@1（在 ImageNet-1K 上）	81.474
acc@5（在 ImageNet-1K 上）	95.776
類別	丁鯛、金魚、大白鯊，……（省略 997 個）
引數數量	28288354
最小尺寸	高=224，寬=224
方案	連結
GFLOPS	4.49
檔案大小	108.2 MB

推理變換可透過 Swin_T_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) 和單個 (C, H, W) 影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BICUBIC 將影像大小調整為 resize_size=[232]，然後進行 crop_size=[224] 的中心裁剪。最後，先將值重新縮放到 [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。