PaddleClas/docs/zh_CN/models/LeViT.md

LeViT

概述

LeViT是一种快速推理的、用于图像分类任务的混合神经网络。其设计之初考虑了网络模型在不同的硬件平台上的性能，因此能够更好地反映普遍应用的真实场景。通过大量实验，作者找到了卷积神经网络与Transformer体系更好的结合方式，并且提出了attention-based方法，用于整合Transformer中的位置信息编码。论文地址。

精度、FLOPS和参数量

Models	Top1	Top5	Reference top1	Reference top5	FLOPS (M)	Params (M)
LeViT-128S	0.7598	0.9269	0.766	0.929	305	7.8
LeViT-128	0.7810	0.9371	0.786	0.940	406	9.2
LeViT-192	0.7934	0.9446	0.800	0.947	658	11
LeViT-256	0.8085	0.9497	0.816	0.954	1120	19
LeViT-384	0.8191	0.9551	0.826	0.960	2353	39

注：与Reference的精度差异源于数据预处理不同及未使用蒸馏的head作为输出。