swin_t¶

torchvision.models.swin_t(*, weights: Optional[Swin_T_Weights] = None, progress: bool = True, **kwargs: Any) → SwinTransformer[source]¶

构建一个来自 Swin Transformer: Hierarchical Vision Transformer using Shifted Windows的swin_tiny架构。

Parameters:

weights (Swin_T_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Swin_T_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.swin_transformer.SwinTransformer 基类的参数。请参阅源代码以获取有关此类的更多详细信息。

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

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

Swin_T_Weights.IMAGENET1K_V1:

这些权重使用类似的训练方法，能够很好地复现论文中的结果。也可以作为 Swin_T_Weights.DEFAULT 使用。

准确率@1（在ImageNet-1K上）	81.474
acc@5 (在 ImageNet-1K 上)	95.776
分类	鲶鱼，金鱼，大白鲨，…（省略997种）
num_params	28288354
最小尺寸	高度=224, 宽度=224
食谱	link
GFLOPS	4.49
文件大小	108.2 MB

推理转换可在 Swin_T_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=[232]，然后进行 crop_size=[224] 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。