mobilenet_v3_large

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

根據 Searching for MobileNetV3 構建大型 MobileNetV3 架構。

引數：

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

• progress (bool, optional) – 如果為 True，則向 stderr 顯示下載進度條。預設值為 True。

• **kwargs – 傳遞給 torchvision.models.mobilenet.MobileNetV3 基類的引數。有關此類別的更多詳細資訊，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:

這些權重是使用簡單的訓練方案從頭開始訓練的。

acc@1（在 ImageNet-1K 上）	74.042
acc@5（在 ImageNet-1K 上）	91.34
最小尺寸	高度=1, 寬度=1
類別	丁鱥、金魚、大白鯊，...（省略 997 個）
引數數量	5483032
訓練方案	連結
GFLOPS	0.22
檔案大小	21.1 MB

推理變換可透過 MobileNet_V3_Large_Weights.IMAGENET1K_V1.transforms 獲取，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]，然後進行中心裁剪到 crop_size=[224]。最後，值首先重新縮放到 [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 新訓練方案 的修改版本，在原始論文的結果基礎上略有改進。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
最小尺寸	高度=1, 寬度=1
類別	丁鱥、金魚、大白鯊，...（省略 997 個）
引數數量	5483032
訓練方案	連結
GFLOPS	0.22
檔案大小	21.1 MB

推理變換可透過 MobileNet_V3_Large_Weights.IMAGENET1K_V2.transforms 獲取，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]，然後進行中心裁剪到 crop_size=[224]。最後，值首先重新縮放到 [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。