swin_v2_s

torchvision.models.swin_v2_s(*, weights: Optional[Swin_V2_S_Weights] = None, progress: bool = True, **kwargs: Any) → SwinTransformer

根據 Swin Transformer V2: Scaling Up Capacity and Resolution 構建 swin_v2_small 架構。

引數:

• weights (Swin_V2_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，請參閱下文的 Swin_V2_S_Weights。預設情況下，不使用預訓練權重。

• progress (bool, 可選) – 如果為 True，則向標準錯誤輸出顯示下載進度條。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，請參閱原始碼。

class torchvision.models.Swin_V2_S_Weights(value)

上述模型構建器接受以下值作為 weights 引數。Swin_V2_S_Weights.DEFAULT 等同於 Swin_V2_S_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

Swin_V2_S_Weights.IMAGENET1K_V1:

這些權重使用類似的訓練方案，可以很好地復現論文結果。也可透過 Swin_V2_S_Weights.DEFAULT 獲得。

acc@1（在 ImageNet-1K 上）	83.712
acc@5（在 ImageNet-1K 上）	96.816
類別	丁鱥、金魚、大白鯊，…（省略 997 個）
引數數量	49737442
最小尺寸	高度=256，寬度=256
方案	連結
GFLOPS	11.55
檔案大小	190.7 MB

推理轉換可透過 Swin_V2_S_Weights.IMAGENET1K_V1.transforms 獲得，並執行以下預處理操作：接受 PIL.Image 物件，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 重塑為 resize_size=[260]，然後進行中心裁剪 crop_size=[256]。最後，值首先縮放到 [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。