快捷方式

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]

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_QuantizedWeightsMobileNet_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'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

链接

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]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'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

链接

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]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

链接

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]std=[0.229, 0.224, 0.225] 进行归一化。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源