efficientnet_b6¶

torchvision.models.efficientnet_b6(*, weights: Optional[EfficientNet_B6_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet[source]¶

EfficientNet B6 模型架构来自 EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 论文。

Parameters:

weights (EfficientNet_B6_Weights, 可选) – 使用的预训练权重。有关更多详情和可能的值，请参见下面的EfficientNet_B6_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。默认值为True。
**kwargs – 传递给torchvision.models.efficientnet.EfficientNet 基类的参数。请参考源代码以获取有关此类的更多详细信息。

class torchvision.models.EfficientNet_B6_Weights(value)[source]¶

上面的模型构建器接受以下值作为weights参数。 EfficientNet_B6_Weights.DEFAULT等同于EfficientNet_B6_Weights.IMAGENET1K_V1。你也可以使用字符串，例如weights='DEFAULT'或weights='IMAGENET1K_V1'。

EfficientNet_B6_Weights.IMAGENET1K_V1:

这些权重是从原始论文中移植的。也可以作为 EfficientNet_B6_Weights.DEFAULT 使用。

准确率@1（在ImageNet-1K上）	84.008
acc@5 (在 ImageNet-1K 上)	96.916
分类	鲶鱼，金鱼，大白鲨，…（省略997种）
最小尺寸	高度=1, 宽度=1
食谱	link
num_params	43040704
GFLOPS	19.07
文件大小	165.4 MB

推理转换可在 EfficientNet_B6_Weights.IMAGENET1K_V1.transforms 中找到，并执行以下预处理操作：接受 PIL.Image、批处理 (B, C, H, W) 和单张 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BICUBIC 调整大小为 resize_size=[528]，然后进行 crop_size=[528] 的中心裁剪。最后，值首先重新缩放到 [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。