swin_v2_s

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

根据 Swin Transformer V2: 提升容量和分辨率 构建 swin_v2_small 架构。

参数:

• weights (Swin_V2_S_Weights, 可选) – 要使用的预训练权重。有关更多详细信息和可能的值，请参阅下面的 Swin_V2_S_Weights。默认情况下，不使用预训练权重。

• progress (bool, optional) – 如果为 True，则在 stderr 上显示下载进度条。默认为 True。

• **kwargs – 传递给 torchvision.models.swin_transformer.SwinTransformer 基类的参数。有关此类更多详细信息，请参阅 源代码。

class torchvision.models.Swin_V2_S_Weights(value)

上述模型构建器接受以下值作为 weights 参数。 Swin_V2_S_Weights.DEFAULT 等同于 Swin_V2_S_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

Swin_V2_S_Weights.IMAGENET1K_V1:

这些权重通过类似的训练方法，非常接近论文中的结果。也可作为 Swin_V2_S_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	83.712
acc@5 (在 ImageNet-1K 上)	96.816
类别	丁鲱、金鱼、大白鲨、... (省略 997 个)
参数数量	49737442
min_size	height=256, width=256
方案	链接
GFLOPS	11.55
文件大小	190.7 MB

推理转换可在 Swin_V2_S_Weights.IMAGENET1K_V1.transforms 处获得，并执行以下预处理操作：接受 PIL.Image、批处理的 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。使用 interpolation=InterpolationMode.BICUBIC 将图像缩放至 resize_size=[260]，然后进行中心裁剪 crop_size=[256]。最后，首先将值缩放到 [0.0, 1.0]，然后使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 进行归一化。