mobilenet_v2¶
- torchvision.models.quantization.mobilenet_v2(*, weights: Optional[Union[MobileNet_V2_QuantizedWeights, MobileNet_V2_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) QuantizableMobileNetV2 [源代码]¶
从 MobileNetV2:反转残差和线性瓶颈 构建 MobileNetV2 架构。
注意
请注意,
quantize = True
返回具有 8 位权重的量化模型。量化模型仅支持推理并在 CPU 上运行。GPU 推理目前尚不支持。- 参数:
weights (
MobileNet_V2_QuantizedWeights
或MobileNet_V2_Weights
,可选) – 模型的预训练权重。有关更多详细信息和可能的值,请参见下面的MobileNet_V2_QuantizedWeights
。默认情况下,不使用任何预训练权重。progress (bool,可选) – 如果为 True,则在 stderr 上显示下载进度条。默认值为 True。
quantize (bool,可选) – 如果为 True,则返回模型的量化版本。默认值为 False。
**kwargs – 传递给
torchvision.models.quantization.QuantizableMobileNetV2
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.quantization.MobileNet_V2_QuantizedWeights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。MobileNet_V2_QuantizedWeights.DEFAULT
等效于MobileNet_V2_QuantizedWeights.IMAGENET1K_QNNPACK_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_QNNPACK_V1'
。MobileNet_V2_QuantizedWeights.IMAGENET1K_QNNPACK_V1:
这些权重是在下面列出的非量化权重之上进行量化感知训练(急切模式)生成的。也称为
MobileNet_V2_QuantizedWeights.DEFAULT
。acc@1(在 ImageNet-1K 上)
71.658
acc@5(在 ImageNet-1K 上)
90.15
参数数量
3504872
最小尺寸
高度=1,宽度=1
类别
水蛇、金鱼、大白鲨、…(省略 997 个)
后端
qnnpack
食谱
非量化
MobileNet_V2_Weights.IMAGENET1K_V1
GIPS
0.30
文件大小
3.4 MB
推理变换在
MobileNet_V2_QuantizedWeights.IMAGENET1K_QNNPACK_V1.transforms
中可用,并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
调整大小到resize_size=[256]
,然后进行crop_size=[224]
的中心裁剪。最后,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]
进行归一化。
- class torchvision.models.MobileNet_V2_Weights(value)[源代码]
上面的模型构建器接受以下值作为
weights
参数。MobileNet_V2_Weights.DEFAULT
等效于MobileNet_V2_Weights.IMAGENET1K_V2
。您也可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_V1'
。MobileNet_V2_Weights.IMAGENET1K_V1:
这些权重使用简单的训练食谱,密切复制了论文的结果。
acc@1(在 ImageNet-1K 上)
71.878
acc@5(在 ImageNet-1K 上)
90.286
参数数量
3504872
最小尺寸
高度=1,宽度=1
类别
水蛇、金鱼、大白鲨、…(省略 997 个)
食谱
GFLOPS
0.30
文件大小
13.6 MB
推理转换可从
MobileNet_V2_Weights.IMAGENET1K_V1.transforms
获得,并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
调整大小到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]
进行归一化。MobileNet_V2_Weights.IMAGENET1K_V2:
这些权重通过使用 TorchVision 的 新训练配方 的修改版本,改进了原始论文的结果。也称为
MobileNet_V2_Weights.DEFAULT
。acc@1(在 ImageNet-1K 上)
72.154
acc@5(在 ImageNet-1K 上)
90.822
参数数量
3504872
最小尺寸
高度=1,宽度=1
类别
水蛇、金鱼、大白鲨、…(省略 997 个)
食谱
GFLOPS
0.30
文件大小
13.6 MB
推理转换可从
MobileNet_V2_Weights.IMAGENET1K_V2.transforms
获得,并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
调整大小到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]
进行归一化。