mobilenet_v2

torchvision.models.mobilenet_v2(*, weights: Optional[MobileNet_V2_Weights] = None, progress: bool = True, **kwargs: Any) → MobileNetV2

来自《MobileNetV2: Inverted Residuals and Linear Bottlenecks》论文的 MobileNetV2 架构。

参数：

• weights (MobileNet_V2_Weights, 可选) – 要使用的预训练权重。请参阅下方的 MobileNet_V2_Weights 以了解更多详细信息和可能的值。默认情况下，不使用预训练权重。

• progress (bool, 可选) – 如果为 True，则在标准错误输出 (stderr) 中显示下载进度条。默认值为 True。

• **kwargs – 传递给 torchvision.models.mobilenetv2.MobileNetV2 基类的参数。请参阅源代码了解此类的更多详细信息。

class torchvision.models.MobileNet_V2_Weights(value)

上述模型构建器接受以下值作为 weights 参数。MobileNet_V2_Weights.DEFAULT 等同于 MobileNet_V2_Weights.IMAGENET1K_V2。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

MobileNet_V2_Weights.IMAGENET1K_V1:

这些权重使用简单的训练方案能较好地重现论文结果。

acc@1 (在 ImageNet-1K 上)	71.878
acc@5 (在 ImageNet-1K 上)	90.286
num_params	3504872
min_size	height=1, width=1
类别	丁鲷, 金鱼, 大白鲨, ... (省略 997 个)
训练方案	链接
GFLOPS	0.30
文件大小	13.6 MB

推理变换可在 MobileNet_V2_Weights.IMAGENET1K_V1.transforms 获取，并执行以下预处理操作：接受 PIL.Image、批处理的 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。使用 interpolation=InterpolationMode.BILINEAR 将图像大小调整到 resize_size=[256]，然后进行 crop_size=[224] 的中心裁剪。最后，先将值重新缩放到 [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。

MobileNet_V2_Weights.IMAGENET1K_V2:

这些权重通过使用 TorchVision 新训练方案的修改版本，改进了原始论文的结果。也可用作 MobileNet_V2_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	72.154
acc@5 (在 ImageNet-1K 上)	90.822
num_params	3504872
min_size	height=1, width=1
类别	丁鲷, 金鱼, 大白鲨, ... (省略 997 个)
训练方案	链接
GFLOPS	0.30
文件大小	13.6 MB

推理变换可在 MobileNet_V2_Weights.IMAGENET1K_V2.transforms 获取，并执行以下预处理操作：接受 PIL.Image、批处理的 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。使用 interpolation=InterpolationMode.BILINEAR 将图像大小调整到 resize_size=[232]，然后进行 crop_size=[224] 的中心裁剪。最后，先将值重新缩放到 [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。