mobilenet_v3_large

torchvision.models.mobilenet_v3_large(*, weights: Optional[MobileNet_V3_Large_Weights] = None, progress: bool = True, **kwargs: Any) → MobileNetV3

从 Searching for MobileNetV3 构建大型 MobileNetV3 架构。

参数:

• weights (MobileNet_V3_Large_Weights, optional) – 要使用的预训练权重。 有关更多详细信息和可能的值，请参阅下文的 MobileNet_V3_Large_Weights。 默认情况下，不使用预训练权重。

• progress (bool, optional) – 如果为 True，则在 stderr 上显示下载进度条。 默认为 True。

• **kwargs – 传递给 torchvision.models.mobilenet.MobileNetV3 基类的参数。 有关此类别的更多详细信息，请参阅 源代码。

class torchvision.models.MobileNet_V3_Large_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 MobileNet_V3_Large_Weights.DEFAULT 等效于 MobileNet_V3_Large_Weights.IMAGENET1K_V2。 您还可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

MobileNet_V3_Large_Weights.IMAGENET1K_V1:

这些权重是通过使用简单的训练方法从头开始训练的。

acc@1 (在 ImageNet-1K 上)	74.042
acc@5 (在 ImageNet-1K 上)	91.34
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 个)
num_params	5483032
recipe	link
GFLOPS	0.22
文件大小	21.1 MB

推理转换可在 MobileNet_V3_Large_Weights.IMAGENET1K_V1.transforms 中找到，并执行以下预处理操作： 接受 PIL.Image、批量 (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=[256]，然后进行中心裁剪 crop_size=[224]。 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。

MobileNet_V3_Large_Weights.IMAGENET1K_V2:

这些权重通过使用 TorchVision 新训练方法 的修改版本，在原始论文的结果基础上略有改进。 也可用作 MobileNet_V3_Large_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	75.274
acc@5 (在 ImageNet-1K 上)	92.566
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 个)
num_params	5483032
recipe	link
GFLOPS	0.22
文件大小	21.1 MB

推理转换可在 MobileNet_V3_Large_Weights.IMAGENET1K_V2.transforms 中找到，并执行以下预处理操作： 接受 PIL.Image、批量 (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=[232]，然后进行中心裁剪 crop_size=[224]。 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。