mobilenet_v3_large

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

從 《Searching for MobileNetV3》構建大型 MobileNetV3 架構。

引數:

• weights (MobileNet_V3_Large_Weights, 可選) – 要使用的預訓練權重。有關更多詳細資訊和可能的值，請參閱下面的 MobileNet_V3_Large_Weights。預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則在 stderr 上顯示下載進度條。預設為 True。

• **kwargs – 傳遞給 torchvision.models.mobilenet.MobileNetV3 基類的引數。有關此類更多詳細資訊，請參閱 原始碼。

class torchvision.models.MobileNet_V3_Large_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。 MobileNet_V3_Large_Weights.DEFAULT 等同於 MobileNet_V3_Large_Weights.IMAGENET1K_V2。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

MobileNet_V3_Large_Weights.IMAGENET1K_V1:

這些權重是使用 TorchVision 的 新訓練方法 的修改版本，從頭開始訓練的。

acc@1 (在 ImageNet-1K 上)	74.042
acc@5 (在 ImageNet-1K 上)	91.34
min_size	height=1, width=1
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
引數數量	5483032
方案	連結
GFLOPS	0.22
檔案大小	21.1 MB

推理轉換可在 MobileNet_V3_Large_Weights.IMAGENET1K_V1.transforms 處獲得，並執行以下預處理操作：接受 PIL.Image、批次 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 縮放到 resize_size=[256]，然後進行中心裁剪 crop_size=[224]。最後，值首先縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行歸一化。

MobileNet_V3_Large_Weights.IMAGENET1K_V2:

這些權重透過使用 TorchVision 的 新訓練方法 的修改版本，在原始論文的結果上略有改進。也可用作 MobileNet_V3_Large_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	75.274
acc@5 (在 ImageNet-1K 上)	92.566
min_size	height=1, width=1
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
引數數量	5483032
方案	連結
GFLOPS	0.22
檔案大小	21.1 MB

推理轉換可在 MobileNet_V3_Large_Weights.IMAGENET1K_V2.transforms 處獲得，並執行以下預處理操作：接受 PIL.Image、批次 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 縮放到 resize_size=[232]，然後進行中心裁剪 crop_size=[224]。最後，值首先縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行歸一化。