vit_l_16¶

torchvision.models.vit_l_16(*, weights: Optional[ViT_L_16_Weights] = None, progress: bool = True, **kwargs: Any) → VisionTransformer[source]¶

构建了一个来自 An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale的vit_l_16架构。

Parameters:

weights (ViT_L_16_Weights, 可选) – 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ViT_L_16_Weights。默认情况下，不使用预训练的权重。
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.vision_transformer.VisionTransformer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.ViT_L_16_Weights(value)[source]¶

上面的模型构建器接受以下值作为weights参数。 ViT_L_16_Weights.DEFAULT等同于ViT_L_16_Weights.IMAGENET1K_V1。你也可以使用字符串，例如weights='DEFAULT'或weights='IMAGENET1K_V1'。

ViT_L_16_Weights.IMAGENET1K_V1:

这些权重是通过使用TorchVision的新训练配方的修改版本从头开始训练的。也可作为ViT_L_16_Weights.DEFAULT使用。

准确率@1（在ImageNet-1K上）	79.662
acc@5 (在 ImageNet-1K 上)	94.638
分类	鲶鱼，金鱼，大白鲨，…（省略997种）
num_params	304326632
最小尺寸	高度=224, 宽度=224
食谱	link
GFLOPS	61.55
文件大小	1161.0 MB

推理转换可在 ViT_L_16_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.BILINEAR 调整大小为 resize_size=[242]，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。

ViT_L_16_Weights.IMAGENET1K_SWAG_E2E_V1:

这些权重是通过迁移学习，在ImageNet-1K数据上对原始的 SWAG 权重进行端到端微调而学习的。

准确率@1（在ImageNet-1K上）	88.064
acc@5 (在 ImageNet-1K 上)	98.512
分类	鲶鱼，金鱼，大白鲨，…（省略997种）
食谱	link
许可证	link
num_params	305174504
最小尺寸	高度=512, 宽度=512
GFLOPS	361.99
文件大小	1164.3 MB

推理转换可在 ViT_L_16_Weights.IMAGENET1K_SWAG_E2E_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=[512]，然后进行 crop_size=[512] 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。

ViT_L_16_Weights.IMAGENET1K_SWAG_LINEAR_V1:

这些权重由原始的冻结SWAG主干权重和在ImageNet-1K数据上训练的线性分类器组成。

准确率@1（在ImageNet-1K上）	85.146
acc@5 (在 ImageNet-1K 上)	97.422
分类	鲶鱼，金鱼，大白鲨，…（省略997种）
食谱	link
许可证	link
num_params	304326632
最小尺寸	高度=224, 宽度=224
GFLOPS	61.55
文件大小	1161.0 MB

推理转换可在 ViT_L_16_Weights.IMAGENET1K_SWAG_LINEAR_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=[224]，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。