mobilenet_v3_large

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

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)

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	链接
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	链接
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。