efficientnet_b7¶
- torchvision.models.efficientnet_b7(*, weights: Optional[EfficientNet_B7_Weights] = None, progress: bool = True, **kwargs: Any) EfficientNet[source]¶
EfficientNet B7 模型架构来自 EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 论文。
- Parameters:
weights (
EfficientNet_B7_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_B7_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_B7_Weights(value)[source]¶
上面的模型构建器接受以下值作为
weights参数。EfficientNet_B7_Weights.DEFAULT等同于EfficientNet_B7_Weights.IMAGENET1K_V1。你也可以使用字符串，例如weights='DEFAULT'或weights='IMAGENET1K_V1'。EfficientNet_B7_Weights.IMAGENET1K_V1:
这些权重是从原始论文中移植的。 也可以作为
EfficientNet_B7_Weights.DEFAULT使用。准确率@1（在ImageNet-1K上）
84.122
acc@5 (在 ImageNet-1K 上)
96.908
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
num_params
66347960
GFLOPS
37.75
文件大小
254.7 MB
推理转换可在
EfficientNet_B7_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=[600]，然后进行中心裁剪crop_size=[600]。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。
