快捷方式

mobilenet_v3_small

torchvision.models.mobilenet_v3_small(*, weights: Optional[MobileNet_V3_Small_Weights] = None, progress: bool = True, **kwargs: Any) MobileNetV3[source]

根据 Searching for MobileNetV3 构建一个小的 MobileNetV3 架构。

参数:
  • weights (MobileNet_V3_Small_Weights, optional) – 要使用的预训练权重。更多详细信息和可能的值,请参见下面的 MobileNet_V3_Small_Weights。默认情况下,不使用预训练权重。

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

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

class torchvision.models.MobileNet_V3_Small_Weights(value)[source]

上面的模型构建器接受以下值作为 weights 参数。MobileNet_V3_Small_Weights.DEFAULT 等同于 MobileNet_V3_Small_Weights.IMAGENET1K_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='IMAGENET1K_V1'

MobileNet_V3_Small_Weights.IMAGENET1K_V1:

这些权重通过使用简单的训练策略改进了原始论文的结果。也可用作 MobileNet_V3_Small_Weights.DEFAULT

acc@1(在 ImageNet-1K 上)

67.668

acc@5(在 ImageNet-1K 上)

87.402

最小尺寸

height=1, width=1

类别

丁鳜, 金鱼, 大白鲨, … (省略 997 个)

参数数量

2542856

策略

链接

GFLOPS

0.06

文件大小

9.8 MB

推理转换可通过 MobileNet_V3_Small_Weights.IMAGENET1K_V1.transforms 获取,并执行以下预处理操作:接受 PIL.Image、批处理 (B, C, H, W) 和单张 (C, H, W) 图像 torch.Tensor 对象。使用 interpolation=InterpolationMode.BILINEAR 将图像大小调整为 resize_size=[256],然后进行中心裁剪 crop_size=[224]。最后,将值首先缩放到 [0.0, 1.0],然后使用 mean=[0.485, 0.456, 0.406]std=[0.229, 0.224, 0.225] 进行标准化。

文档

查阅 PyTorch 全面的开发者文档

查看文档

教程

获取适合初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题解答

查看资源