mobilenet_v3_large

torchvision.models.quantization.mobilenet_v3_large(\*, weights: Optional[Union[MobileNet_V3_Large_QuantizedWeights, MobileNet_V3_Large_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableMobileNetV3

MobileNetV3 (Large) 模型，出自 Searching for MobileNetV3。

注意

請注意，quantize = True 將返回一個 8 位量化的模型。量化模型僅支援推理並在 CPU 上執行。GPU 推理暫不支援。

引數:

• weights (MobileNet_V3_Large_QuantizedWeights 或 MobileNet_V3_Large_Weights, 可選) – 模型的預訓練權重。有關更多詳細資訊和可能的值，請參閱下面的 MobileNet_V3_Large_QuantizedWeights。預設情況下，不使用預訓練權重。

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

• quantize (bool) – 如果為 True，則返回模型的量化版本。預設為 False。

• **kwargs – 傳遞給 torchvision.models.quantization.MobileNet_V3_Large_QuantizedWeights 基類的引數。有關此類的更多詳細資訊，請參閱 原始碼。

class torchvision.models.quantization.MobileNet_V3_Large_QuantizedWeights(value)

上面的模型構建器接受以下值作為 weights 引數。 MobileNet_V3_Large_QuantizedWeights.DEFAULT 等同於 MobileNet_V3_Large_QuantizedWeights.IMAGENET1K_QNNPACK_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_QNNPACK_V1'。

MobileNet_V3_Large_QuantizedWeights.IMAGENET1K_QNNPACK_V1:

這些權重是透過在下面的未量化權重之上執行量化感知訓練（eager 模式）生成的。也可作為 MobileNet_V3_Large_QuantizedWeights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	73.004
acc@5 (在 ImageNet-1K 上)	90.858
引數數量	5483032
min_size	height=1, width=1
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
backend	qnnpack
方案	連結
unquantized	MobileNet_V3_Large_Weights.IMAGENET1K_V1
GIPS	0.22
檔案大小	21.6 MB

推理轉換可在 MobileNet_V3_Large_QuantizedWeights.IMAGENET1K_QNNPACK_V1.transforms 處獲得，並執行以下預處理操作：接受 PIL.Image、批次處理的 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 調整大小到 resize_size=[256]，然後進行中心裁剪 crop_size=[224]。最後，值首先被縮放到 [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。

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:

這些權重是透過使用 TorchVision 的 新訓練秘籍 的修改版本從頭開始訓練的。也作為 MobileNet_V3_Large_Weights.DEFAULT 提供。

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、批次處理的 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 調整大小到 resize_size=[256]，然後進行中心裁剪 crop_size=[224]。最後，值首先被縮放到 [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 新訓練秘籍 的修改版本，略微提高了原始論文的結果。也作為 MobileNet_V3_Large_Weights.DEFAULT 提供。

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、批次處理的 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 調整大小到 resize_size=[232]，然後進行中心裁剪 crop_size=[224]。最後，值首先被縮放到 [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。