mobilenet_v3_small

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

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)

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' 或 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] 和 std=[0.229, 0.224, 0.225] 进行标准化。