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建構大型 MobileNetV3 架構。

參數:

• weights (MobileNet_V3_Large_Weights, optional) – 要使用的預先訓練權重。請參閱下方的MobileNet_V3_Large_Weights以了解更多詳細資訊和可能的值。預設情況下，不使用預先訓練的權重。

• progress (bool, optional) – 如果為 True，則將下載進度列顯示至 stderr。預設值為 True。

• **kwargs – 傳遞至 torchvision.models.mobilenet.MobileNetV3 基礎類別的參數。請參閱原始碼，以了解關於此類別的更多詳細資訊。

class torchvision.models.MobileNet_V3_Large_Weights(value)

上述模型建構器接受下列值作為 weights 參數。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簡單的訓練食譜從頭開始訓練的。

acc@1 (在 ImageNet-1K 上)	74.042
acc@5 (在 ImageNet-1K 上)	91.34
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 個)
num_params	5483032
recipe	link
GFLOPS	0.22
檔案大小	21.1 MB

推論轉換可在 MobileNet_V3_Large_Weights.IMAGENET1K_V1.transforms 取得，並執行下列預先處理操作：接受 PIL.Image、批次 (B, C, H, W) 和單一 (C, H, W) 影像 torch.Tensor 物件。影像會使用 interpolation=InterpolationMode.BILINEAR 調整大小為 resize_size=[256]，然後進行 crop_size=[224] 的中央裁剪。最後，這些值會先重新縮放至 [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_V3_Large_Weights.IMAGENET1K_V2:

這些權重透過使用 TorchVision 新訓練食譜的修改版本，在原始論文的結果上略有改進。也可作為 MobileNet_V3_Large_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	75.274
acc@5 (在 ImageNet-1K 上)	92.566
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (省略 997 個)
num_params	5483032
recipe	link
GFLOPS	0.22
檔案大小	21.1 MB

推論轉換可在 MobileNet_V3_Large_Weights.IMAGENET1K_V2.transforms 取得，並執行下列預先處理操作：接受 PIL.Image、批次 (B, C, H, W) 和單一 (C, H, W) 影像 torch.Tensor 物件。影像會使用 interpolation=InterpolationMode.BILINEAR 調整大小為 resize_size=[232]，然後進行 crop_size=[224] 的中央裁剪。最後，這些值會先重新縮放至 [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。