mobilenet_v3_large¶
- torchvision.models.mobilenet_v3_large(*, weights: Optional[MobileNet_V3_Large_Weights] = None, progress: bool = True, **kwargs: Any) MobileNetV3 [源代码]¶
根据 Searching for MobileNetV3 构建大型 MobileNetV3 架构。
- 参数:
weights (
MobileNet_V3_Large_Weights
,可选) – 要使用的预训练权重。有关详细信息和可能的取值,请参阅下面的MobileNet_V3_Large_Weights
。默认情况下,不使用任何预训练权重。progress (bool, 可选) – 如果为 True,则向 stderr 显示下载进度条。默认值为 True。
**kwargs – 传递给
torchvision.models.mobilenet.MobileNetV3
基类的参数。有关此类的详细信息,请参阅 源代码。
- class torchvision.models.MobileNet_V3_Large_Weights(value)[源代码]¶
上面的模型构建器接受以下取值作为
weights
参数。MobileNet_V3_Large_Weights.DEFAULT
等效于MobileNet_V3_Large_Weights.IMAGENET1K_V2
。您也可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_V1'
。MobileNet_V3_Large_Weights.IMAGENET1K_V1:
这些权重使用简单的训练方案从头开始进行训练。
acc@1 (在 ImageNet-1K 上)
74.042
acc@5 (在 ImageNet-1K 上)
91.34
最小尺寸
高度=1,宽度=1
类别
金鱼,大白鲨,… (省略 997)
参数数量
5483032
方案
GFLOPS
0.22
文件大小
21.1 MB
推理变换可在
MobileNet_V3_Large_Weights.IMAGENET1K_V1.transforms
中找到,执行以下预处理操作:接受PIL.Image
、批处理(B, C, H, W)
和单个(C, H, W)
图像torch.Tensor
对象。图像使用interpolation=InterpolationMode.BILINEAR
调整大小至resize_size=[256]
,然后进行crop_size=[224]
的中心裁剪。最后,将值先重新缩放到[0.0, 1.0]
,然后使用mean=[0.485, 0.456, 0.406]
和std=[0.229, 0.224, 0.225]
进行标准化。MobileNet_V3_Large_Weights.IMAGENET1K_V2:
这些权重使用 TorchVision 修改版 新训练方案 对原始论文的结果进行了轻微改进。也可以使用
MobileNet_V3_Large_Weights.DEFAULT
。acc@1 (在 ImageNet-1K 上)
75.274
acc@5 (在 ImageNet-1K 上)
92.566
最小尺寸
高度=1,宽度=1
类别
金鱼,大白鲨,… (省略 997)
参数数量
5483032
方案
GFLOPS
0.22
文件大小
21.1 MB
推理变换可在
MobileNet_V3_Large_Weights.IMAGENET1K_V2.transforms
中找到,执行以下预处理操作:接受PIL.Image
、批处理(B, C, H, W)
和单个(C, H, W)
图像torch.Tensor
对象。图像使用interpolation=InterpolationMode.BILINEAR
调整大小至resize_size=[232]
,然后进行crop_size=[224]
的中心裁剪。最后,将值先重新缩放到[0.0, 1.0]
,然后使用mean=[0.485, 0.456, 0.406]
和std=[0.229, 0.224, 0.225]
进行标准化。