swin3d_b¶
- torchvision.models.video.swin3d_b(*, weights: Optional[Swin3D_B_Weights] = None, progress: bool = True, **kwargs: Any) SwinTransformer3d[source]¶
根據 Video Swin Transformer 構建一個 swin_base 架構。
- 引數：
weights (
Swin3D_B_Weights, 可選) – 要使用的預訓練權重。請參閱下方Swin3D_B_Weights以瞭解更多詳情和可能的值。預設情況下，不使用預訓練權重。progress (bool, 可選) – 如果為 True，則在 stderr 中顯示下載進度條。預設值為 True。
**kwargs – 傳遞給
torchvision.models.video.swin_transformer.SwinTransformer基類的引數。請參閱原始碼瞭解有關此類的更多詳細資訊。
- class torchvision.models.video.Swin3D_B_Weights(value)[source]¶
上述模型構建器接受以下值作為
weights引數。Swin3D_B_Weights.DEFAULT等同於Swin3D_B_Weights.KINETICS400_V1。您也可以使用字串，例如weights='DEFAULT'或weights='KINETICS400_V1'。Swin3D_B_Weights.KINETICS400_V1:
權重從論文中移植而來。準確率是使用引數 frame_rate=15、clips_per_video=12 和 clip_len=32 在影片級別估算的。也可作為
Swin3D_B_Weights.DEFAULT使用。acc@1 (在 Kinetics-400 上)
79.427
acc@5 (在 Kinetics-400 上)
94.386
類別
繩降、空氣打鼓、回答問題、… (省略 397 個)
最小尺寸
height=1, width=1
最小時間尺寸
1
秘籍
引數數量
88048984
GFLOPS
140.67
檔案大小
364.1 MB
推理變換可在
Swin3D_B_Weights.KINETICS400_V1.transforms找到，並執行以下預處理操作：接受批次(B, T, C, H, W)和單個(T, C, H, W)影片幀torch.Tensor物件。使用interpolation=InterpolationMode.BILINEAR將幀大小調整到resize_size=[256]，然後進行crop_size=[224, 224]的中心裁剪。最後，首先將值重新縮放到[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。最後將輸出維度重排為(..., C, T, H, W)張量。Swin3D_B_Weights.KINETICS400_IMAGENET22K_V1:
權重從論文中移植而來。準確率是使用引數 frame_rate=15、clips_per_video=12 和 clip_len=32 在影片級別估算的。
acc@1 (在 Kinetics-400 上)
81.643
acc@5 (在 Kinetics-400 上)
95.574
類別
繩降、空氣打鼓、回答問題、… (省略 397 個)
最小尺寸
height=1, width=1
最小時間尺寸
1
秘籍
引數數量
88048984
GFLOPS
140.67
檔案大小
364.1 MB
推理變換可在
Swin3D_B_Weights.KINETICS400_IMAGENET22K_V1.transforms找到，並執行以下預處理操作：接受批次(B, T, C, H, W)和單個(T, C, H, W)影片幀torch.Tensor物件。使用interpolation=InterpolationMode.BILINEAR將幀大小調整到resize_size=[256]，然後進行crop_size=[224, 224]的中心裁剪。最後，首先將值重新縮放到[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。最後將輸出維度重排為(..., C, T, H, W)張量。
