mobilenet_v2

torchvision.models.mobilenet_v2(*, weights: Optional[MobileNet_V2_Weights] = None, progress: bool = True, **kwargs: Any) → MobileNetV2

來自 MobileNetV2: Inverted Residuals and Linear Bottlenecks 論文的 MobileNetV2 架構。

參數:

• weights (MobileNet_V2_Weights, optional) – 要使用的預訓練權重。請參閱下方的 MobileNet_V2_Weights 了解更多細節和可能的值。預設情況下，不使用任何預訓練權重。

• progress (bool, optional) – 如果為 True，則在 stderr 中顯示下載的進度列。預設值為 True。

• **kwargs – 傳遞給 torchvision.models.mobilenetv2.MobileNetV2 基底類別的參數。請參考 原始碼 以了解更多關於此類別的細節。

class torchvision.models.MobileNet_V2_Weights(value)

上面的模型建構器接受以下值作為 weights 參數。MobileNet_V2_Weights.DEFAULT 等同於 MobileNet_V2_Weights.IMAGENET1K_V2。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

MobileNet_V2_Weights.IMAGENET1K_V1:

這些權重使用簡單的訓練方法，能夠重現論文中的結果。

acc@1 (在 ImageNet-1K 上)	71.878
acc@5 (在 ImageNet-1K 上)	90.286
num_params (參數數量)	3504872
min_size (最小尺寸)	height=1, width=1 (高=1, 寬=1)
categories (類別)	tench, goldfish, great white shark, … (省略 997 個)
recipe (方法)	link (連結)
GFLOPS	0.30
File size (檔案大小)	13.6 MB

推理轉換可於 MobileNet_V2_Weights.IMAGENET1K_V1.transforms 取得，並執行以下預處理操作：接受 PIL.Image、批次 (B, C, H, W) 和單張 (C, H, W) 圖片 torch.Tensor 物件。圖片會被縮放至 resize_size=[256]，使用 interpolation=InterpolationMode.BILINEAR，然後進行中心裁剪至 crop_size=[224]。最後，這些值會先縮放至 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行正規化。

MobileNet_V2_Weights.IMAGENET1K_V2:

這些權重透過使用 TorchVision 修改後的 新訓練方法，改善了原始論文的結果。也可以使用 MobileNet_V2_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	72.154
acc@5 (在 ImageNet-1K 上)	90.822
num_params (參數數量)	3504872
min_size (最小尺寸)	height=1, width=1 (高=1, 寬=1)
categories (類別)	tench, goldfish, great white shark, … (省略 997 個)
recipe (方法)	link (連結)
GFLOPS	0.30
File size (檔案大小)	13.6 MB

推理轉換可於 MobileNet_V2_Weights.IMAGENET1K_V2.transforms 取得，並執行以下預處理操作：接受 PIL.Image、批次 (B, C, H, W) 和單張 (C, H, W) 圖片 torch.Tensor 物件。圖片會被縮放至 resize_size=[232]，使用 interpolation=InterpolationMode.BILINEAR，然後進行中心裁剪至 crop_size=[224]。最後，這些值會先縮放至 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行正規化。