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[source]¶
MobileNetV3 (Large) 模型，來自 Searching for MobileNetV3。
注意
請注意，
quantize = True會回傳一個具有 8 位元權重的量化模型。量化模型僅支援推論 (inference)，並在 CPU 上執行。目前尚不支援 GPU 推論。- 參數:
weights (
MobileNet_V3_Large_QuantizedWeights或MobileNet_V3_Large_Weights, optional) – 模型的預訓練權重。 有關更多詳細訊息和可能的值，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，則會在 stderr 顯示下載的進度條。預設值為 True。
quantize (bool) – 如果為 True，則回傳模型的量化版本。預設值為 False。
**kwargs – 傳遞給
torchvision.models.quantization.MobileNet_V3_Large_QuantizedWeights基底類別的參數。 有關此類別的更多詳細訊息，請參閱 原始碼。
- class torchvision.models.quantization.MobileNet_V3_Large_QuantizedWeights(value)[source]¶
上面的模型建構器接受以下值作為
weights參數。MobileNet_V3_Large_QuantizedWeights.DEFAULT相當於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列出的未量化權重之上進行量化感知訓練（eager 模式）產生的。 也可以使用
MobileNet_V3_Large_QuantizedWeights.DEFAULT。acc@1 (在 ImageNet-1K 上)
73.004
acc@5 (在 ImageNet-1K 上)
90.858
num_params
5483032
min_size
height=1, width=1
categories
tench, goldfish, great white shark, … (已省略 997 個)
backend
qnnpack
recipe
unquantized
MobileNet_V3_Large_Weights.IMAGENET1K_V1
GIPS
0.22
檔案大小
21.6 MB
推論轉換可在
MobileNet_V3_Large_QuantizedWeights.IMAGENET1K_QNNPACK_V1.transforms中取得，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)圖像torch.Tensor物件。 圖像使用interpolation=InterpolationMode.BILINEAR調整大小為resize_size=[256]，然後進行crop_size=[224]的中心裁剪。 最後，這些值首先重新縮放為[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。
- class torchvision.models.MobileNet_V3_Large_Weights(value)[source]
上面的模型建構器接受以下值作為
weights參數。MobileNet_V3_Large_Weights.DEFAULT相當於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:
這些權重是使用簡單的訓練方法從頭開始訓練的。
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, … (已省略 997 個)
num_params
5483032
recipe
GFLOPS
0.22
檔案大小
21.1 MB
推論轉換可在
MobileNet_V3_Large_Weights.IMAGENET1K_V1.transforms中找到，並執行以下預處理操作：接受PIL.Image、批次處理的(B, C, H, W)和單張(C, H, W)圖片torch.Tensor物件。圖片會使用interpolation=InterpolationMode.BILINEAR調整大小至resize_size=[256]，然後進行中心裁剪，裁剪大小為crop_size=[224]。最後，數值會先重新縮放至[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 修改後的新訓練方法，略微改進了原始論文的結果。 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, … (已省略 997 個)
num_params
5483032
recipe
GFLOPS
0.22
檔案大小
21.1 MB
推論轉換可在
MobileNet_V3_Large_Weights.IMAGENET1K_V2.transforms中找到，並執行以下預處理操作：接受PIL.Image、批次處理的(B, C, H, W)和單張(C, H, W)圖片torch.Tensor物件。圖片會使用interpolation=InterpolationMode.BILINEAR調整大小至resize_size=[232]，然後進行中心裁剪，裁剪大小為crop_size=[224]。最後，數值會先重新縮放至[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。
