swin3d_b¶
- torchvision.models.video.swin3d_b(\*, weights: Optional[Swin3D_B_Weights] = None, progress: bool = True, **kwargs: Any) SwinTransformer3d[源代码]¶
根据 Video Swin Transformer 构建 swin_base 架构。
- 参数:
weights (
Swin3D_B_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，请参见下面的Swin3D_B_Weights。默认情况下，不使用预训练权重。progress (bool, 可选) – 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.video.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.video.Swin3D_B_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights参数。Swin3D_B_Weights.DEFAULT等同于Swin3D_B_Weights.KINETICS400_V1。您也可以使用字符串，例如weights='DEFAULT'或weights='KINETICS400_V1'。Swin3D_B_Weights.KINETICS400_V1:
权重是从论文移植的。准确度是在视频级别上估算的，参数为 frame_rate=15、clips_per_video=12 和 clip_len=32。也可用作
Swin3D_B_Weights.DEFAULT。acc@1（在 Kinetics-400 上）
79.427
acc@5（在 Kinetics-400 上）
94.386
类别
abseiling, air drumming, answering questions, … (省略397项)
min_size
height=1, width=1
min_temporal_size
1
方案
参数数量
88048984
GFLOPS
140.67
文件大小
364.1 MB
推理转换可在
Swin3D_B_Weights.KINETICS400_V1.transforms找到，并执行以下预处理操作：接受批处理的(B, T, C, H, W)和单个(T, C, H, W)视频帧torch.Tensor对象。使用interpolation=InterpolationMode.BILINEAR将帧调整到resize_size=[256]，然后进行中心裁剪crop_size=[224, 224]。最后，值首先被缩放到[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。最后，输出维度被置换为(..., C, T, H, W)张量。Swin3D_B_Weights.KINETICS400_IMAGENET22K_V1:
权重是从论文移植的。准确度是在视频级别上估算的，参数为 frame_rate=15、clips_per_video=12 和 clip_len=32
acc@1（在 Kinetics-400 上）
81.643
acc@5（在 Kinetics-400 上）
95.574
类别
abseiling, air drumming, answering questions, … (省略397项)
min_size
height=1, width=1
min_temporal_size
1
方案
参数数量
88048984
GFLOPS
140.67
文件大小
364.1 MB
推理转换可在
Swin3D_B_Weights.KINETICS400_IMAGENET22K_V1.transforms找到，并执行以下预处理操作：接受批处理的(B, T, C, H, W)和单个(T, C, H, W)视频帧torch.Tensor对象。使用interpolation=InterpolationMode.BILINEAR将帧调整到resize_size=[256]，然后进行中心裁剪crop_size=[224, 224]。最后，值首先被缩放到[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。最后，输出维度被置换为(..., C, T, H, W)张量。
