差别

这里会显示出您选择的修订版和当前版本之间的差别。

--- 人工智能:torch:常用模型结构:efficientvit-模型结构 [2026/01/23 06:59] – ctbots
+++ 人工智能:torch:常用模型结构:efficientvit-模型结构 [2026/01/26 02:39] (当前版本) – 移除 ctbots
@@ 行 1: / 行 1: @@
-====== fficientvit-模型结构 ======
-===== fficientvit 模型的文本结构输出  =====
-<code>
-EfficientVit(
-  (stem): Stem(
-    (in_conv): ConvNormAct(
-      (dropout): Dropout(p=0.0, inplace=False)
-      (conv): Conv2d(3, 8, kernel_size=(3, 3), stride=(2, 2), padding=(1, 1), bias=False)
-      (norm): BatchNorm2d(8, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-      (act): Hardswish()
-    )
-    (res0): ResidualBlock(
-      (pre_norm): Identity()
-      (main): DSConv(
-        (depth_conv): ConvNormAct(
-          (dropout): Dropout(p=0.0, inplace=False)
-          (conv): Conv2d(8, 8, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), groups=8, bias=False)
-          (norm): BatchNorm2d(8, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-          (act): Hardswish()
-        )
-        (point_conv): ConvNormAct(
-          (dropout): Dropout(p=0.0, inplace=False)
-          (conv): Conv2d(8, 8, kernel_size=(1, 1), stride=(1, 1), bias=False)
-          (norm): BatchNorm2d(8, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-          (act): Identity()
-        )
-      )
-      (shortcut): Identity()
-    )
-  )
-  (stages): Sequential(
-    (0): EfficientVitStage(
-      (blocks): Sequential(
-        (0): ResidualBlock(
-          (pre_norm): Identity()
-          (main): MBConv(
-            (inverted_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(8, 32, kernel_size=(1, 1), stride=(1, 1), bias=False)
-              (norm): BatchNorm2d(32, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-              (act): Hardswish()
-            )
-            (depth_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(32, 32, kernel_size=(3, 3), stride=(2, 2), padding=(1, 1), groups=32, bias=False)
-              (norm): BatchNorm2d(32, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-              (act): Hardswish()
-            )
-            (point_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(32, 16, kernel_size=(1, 1), stride=(1, 1), bias=False)
-              (norm): BatchNorm2d(16, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-              (act): Identity()
-            )
-          )
-        )
-        (1): ResidualBlock(
-          (pre_norm): Identity()
-          (main): MBConv(
-            (inverted_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(16, 64, kernel_size=(1, 1), stride=(1, 1), bias=False)
-              (norm): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-              (act): Hardswish()
-            )
-            (depth_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), groups=64, bias=False)
-              (norm): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-              (act): Hardswish()
-            )
-            (point_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(64, 16, kernel_size=(1, 1), stride=(1, 1), bias=False)
-              (norm): BatchNorm2d(16, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-              (act): Identity()
-            )
-          )
-          (shortcut): Identity()
-        )
-      )
-    )
-    (1): EfficientVitStage(
-      (blocks): Sequential(
-        (0): ResidualBlock(
-          (pre_norm): Identity()
-          (main): MBConv(
-            (inverted_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(16, 64, kernel_size=(1, 1), stride=(1, 1), bias=False)
-              (norm): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-              (act): Hardswish()
-            )
-            (depth_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(64, 64, kernel_size=(3, 3), stride=(2, 2), padding=(1, 1), groups=64, bias=False)
-              (norm): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-              (act): Hardswish()
-            )
-            (point_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(64, 32, kernel_size=(1, 1), stride=(1, 1), bias=False)
-              (norm): BatchNorm2d(32, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-              (act): Identity()
-            )
-          )
-        )
-        (1): ResidualBlock(
-          (pre_norm): Identity()
-          (main): MBConv(
-            (inverted_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(32, 128, kernel_size=(1, 1), stride=(1, 1), bias=False)
-              (norm): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-              (act): Hardswish()
-            )
-            (depth_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(128, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), groups=128, bias=False)
-              (norm): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-              (act): Hardswish()
-            )
-            (point_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(128, 32, kernel_size=(1, 1), stride=(1, 1), bias=False)
-              (norm): BatchNorm2d(32, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-              (act): Identity()
-            )
-          )
-          (shortcut): Identity()
-        )
-      )
-    )
-    (2): EfficientVitStage(
-      (blocks): Sequential(
-        (0): ResidualBlock(
-          (pre_norm): Identity()
-          (main): MBConv(
-            (inverted_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(32, 128, kernel_size=(1, 1), stride=(1, 1))
-              (norm): Identity()
-              (act): Hardswish()
-            )
-            (depth_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(128, 128, kernel_size=(3, 3), stride=(2, 2), padding=(1, 1), groups=128)
-              (norm): Identity()
-              (act): Hardswish()
-            )
-            (point_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(128, 64, kernel_size=(1, 1), stride=(1, 1), bias=False)
-              (norm): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-              (act): Identity()
-            )
-          )
-        )
-        (1): EfficientVitBlock(
-          (context_module): ResidualBlock(
-            (pre_norm): Identity()
-            (main): LiteMLA(
-              (qkv): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(64, 192, kernel_size=(1, 1), stride=(1, 1), bias=False)
-                (norm): Identity()
-                (act): Identity()
-              )
-              (aggreg): ModuleList(
-                (0): Sequential(
-                  (0): Conv2d(192, 192, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2), groups=192, bias=False)
-                  (1): Conv2d(192, 192, kernel_size=(1, 1), stride=(1, 1), groups=12, bias=False)
-                )
-              )
-              (kernel_func): ReLU()
-              (proj): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(128, 64, kernel_size=(1, 1), stride=(1, 1), bias=False)
-                (norm): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-                (act): Identity()
-              )
-            )
-            (shortcut): Identity()
-          )
-          (local_module): ResidualBlock(
-            (pre_norm): Identity()
-            (main): MBConv(
-              (inverted_conv): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(64, 256, kernel_size=(1, 1), stride=(1, 1))
-                (norm): Identity()
-                (act): Hardswish()
-              )
-              (depth_conv): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), groups=256)
-                (norm): Identity()
-                (act): Hardswish()
-              )
-              (point_conv): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(256, 64, kernel_size=(1, 1), stride=(1, 1), bias=False)
-                (norm): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-                (act): Identity()
-              )
-            )
-            (shortcut): Identity()
-          )
-        )
-        (2): EfficientVitBlock(
-          (context_module): ResidualBlock(
-            (pre_norm): Identity()
-            (main): LiteMLA(
-              (qkv): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(64, 192, kernel_size=(1, 1), stride=(1, 1), bias=False)
-                (norm): Identity()
-                (act): Identity()
-              )
-              (aggreg): ModuleList(
-                (0): Sequential(
-                  (0): Conv2d(192, 192, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2), groups=192, bias=False)
-                  (1): Conv2d(192, 192, kernel_size=(1, 1), stride=(1, 1), groups=12, bias=False)
-                )
-              )
-              (kernel_func): ReLU()
-              (proj): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(128, 64, kernel_size=(1, 1), stride=(1, 1), bias=False)
-                (norm): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-                (act): Identity()
-              )
-            )
-            (shortcut): Identity()
-          )
-          (local_module): ResidualBlock(
-            (pre_norm): Identity()
-            (main): MBConv(
-              (inverted_conv): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(64, 256, kernel_size=(1, 1), stride=(1, 1))
-                (norm): Identity()
-                (act): Hardswish()
-              )
-              (depth_conv): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), groups=256)
-                (norm): Identity()
-                (act): Hardswish()
-              )
-              (point_conv): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(256, 64, kernel_size=(1, 1), stride=(1, 1), bias=False)
-                (norm): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-                (act): Identity()
-              )
-            )
-            (shortcut): Identity()
-          )
-        )
-      )
-    )
-    (3): EfficientVitStage(
-      (blocks): Sequential(
-        (0): ResidualBlock(
-          (pre_norm): Identity()
-          (main): MBConv(
-            (inverted_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(64, 256, kernel_size=(1, 1), stride=(1, 1))
-              (norm): Identity()
-              (act): Hardswish()
-            )
-            (depth_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(256, 256, kernel_size=(3, 3), stride=(2, 2), padding=(1, 1), groups=256)
-              (norm): Identity()
-              (act): Hardswish()
-            )
-            (point_conv): ConvNormAct(
-              (dropout): Dropout(p=0.0, inplace=False)
-              (conv): Conv2d(256, 128, kernel_size=(1, 1), stride=(1, 1), bias=False)
-              (norm): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-              (act): Identity()
-            )
-          )
-        )
-        (1): EfficientVitBlock(
-          (context_module): ResidualBlock(
-            (pre_norm): Identity()
-            (main): LiteMLA(
-              (qkv): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(128, 384, kernel_size=(1, 1), stride=(1, 1), bias=False)
-                (norm): Identity()
-                (act): Identity()
-              )
-              (aggreg): ModuleList(
-                (0): Sequential(
-                  (0): Conv2d(384, 384, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2), groups=384, bias=False)
-                  (1): Conv2d(384, 384, kernel_size=(1, 1), stride=(1, 1), groups=24, bias=False)
-                )
-              )
-              (kernel_func): ReLU()
-              (proj): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(256, 128, kernel_size=(1, 1), stride=(1, 1), bias=False)
-                (norm): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-                (act): Identity()
-              )
-            )
-            (shortcut): Identity()
-          )
-          (local_module): ResidualBlock(
-            (pre_norm): Identity()
-            (main): MBConv(
-              (inverted_conv): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(128, 512, kernel_size=(1, 1), stride=(1, 1))
-                (norm): Identity()
-                (act): Hardswish()
-              )
-              (depth_conv): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), groups=512)
-                (norm): Identity()
-                (act): Hardswish()
-              )
-              (point_conv): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(512, 128, kernel_size=(1, 1), stride=(1, 1), bias=False)
-                (norm): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-                (act): Identity()
-              )
-            )
-            (shortcut): Identity()
-          )
-        )
-        (2): EfficientVitBlock(
-          (context_module): ResidualBlock(
-            (pre_norm): Identity()
-            (main): LiteMLA(
-              (qkv): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(128, 384, kernel_size=(1, 1), stride=(1, 1), bias=False)
-                (norm): Identity()
-                (act): Identity()
-              )
-              (aggreg): ModuleList(
-                (0): Sequential(
-                  (0): Conv2d(384, 384, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2), groups=384, bias=False)
-                  (1): Conv2d(384, 384, kernel_size=(1, 1), stride=(1, 1), groups=24, bias=False)
-                )
-              )
-              (kernel_func): ReLU()
-              (proj): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(256, 128, kernel_size=(1, 1), stride=(1, 1), bias=False)
-                (norm): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-                (act): Identity()
-              )
-            )
-            (shortcut): Identity()
-          )
-          (local_module): ResidualBlock(
-            (pre_norm): Identity()
-            (main): MBConv(
-              (inverted_conv): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(128, 512, kernel_size=(1, 1), stride=(1, 1))
-                (norm): Identity()
-                (act): Hardswish()
-              )
-              (depth_conv): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), groups=512)
-                (norm): Identity()
-                (act): Hardswish()
-              )
-              (point_conv): ConvNormAct(
-                (dropout): Dropout(p=0.0, inplace=False)
-                (conv): Conv2d(512, 128, kernel_size=(1, 1), stride=(1, 1), bias=False)
-                (norm): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-                (act): Identity()
-              )
-            )
-            (shortcut): Identity()
-          )
-        )
-      )
-    )
-  )
-  (head): ClassifierHead(
-    (in_conv): ConvNormAct(
-      (dropout): Dropout(p=0.0, inplace=False)
-      (conv): Conv2d(128, 1024, kernel_size=(1, 1), stride=(1, 1), bias=False)
-      (norm): BatchNorm2d(1024, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
-      (act): Hardswish()
-    )
-    (global_pool): SelectAdaptivePool2d(pool_type=avg, flatten=Flatten(start_dim=1, end_dim=-1))
-    (classifier): Sequential(
-      (0): Linear(in_features=1024, out_features=1280, bias=False)
-      (1): LayerNorm((1280,), eps=1e-05, elementwise_affine=True)
-      (2): Hardswish()
-      (3): Dropout(p=0.0, inplace=False)
-      (4): Linear(in_features=1280, out_features=1000, bias=True)
-    )
-  )
-)
-</code>
-===== fficientvit 模型的模型PNG格式  =====
-{{:人工智能:torch:常用模型结构:efficientvit结构图.png?400|}}