mobilenet_v2¶
- torchvision.models.quantization.mobilenet_v2(*, weights: Optional[Union[MobileNet_V2_QuantizedWeights, MobileNet_V2_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) QuantizableMobileNetV2[source]¶
根據 MobileNetV2: Inverted Residuals and Linear Bottlenecks 構建 MobileNetV2 架構。
注意
請注意，當
quantize = True時，將返回一個帶有 8 位權重的量化模型。量化模型僅支援推理，並在 CPU 上執行。目前尚不支援 GPU 推理。- 引數:
weights (
MobileNet_V2_QuantizedWeights或MobileNet_V2_Weights, optional) – 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_V2_QuantizedWeights。預設情況下，不使用預訓練權重。progress (bool, optional) – 如果為 True，則在標準錯誤輸出中顯示下載進度條。預設為 True。
quantize (bool, optional) – 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.QuantizableMobileNetV2基類的引數。有關此類的更多詳細資訊，請參閱原始碼。
- 類 torchvision.models.quantization.MobileNet_V2_QuantizedWeights(value)[source]¶
上述模型構建器接受以下值作為
weights引數。MobileNet_V2_QuantizedWeights.DEFAULT等同於MobileNet_V2_QuantizedWeights.IMAGENET1K_QNNPACK_V1。您也可以使用字串，例如weights='DEFAULT'或weights='IMAGENET1K_QNNPACK_V1'。MobileNet_V2_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（即時模式）生成的。也可作為
MobileNet_V2_QuantizedWeights.DEFAULT使用。acc@1（在 ImageNet-1K 上）
71.658
acc@5（在 ImageNet-1K 上）
90.15
引數量
3504872
最小尺寸
高=1，寬=1
類別
丁鯛、金魚、大白鯊等…（省略 997 項）
後端
qnnpack
訓練方法
未量化
MobileNet_V2_Weights.IMAGENET1K_V1
GIPS
0.30
檔案大小
3.4 MB
推理變換可透過
MobileNet_V2_QuantizedWeights.IMAGENET1K_QNNPACK_V1.transforms訪問，並執行以下預處理操作：接受PIL.Image、批處理(B, C, H, W)和單張(C, H, W)影像torch.Tensor物件。影像使用interpolation=InterpolationMode.BILINEAR被縮放至resize_size=[256]，然後進行中心裁剪crop_size=[224]。最後，值首先被重新縮放至[0.0, 1.0]，然後使用mean=[0.485, 0.456, 0.406]和std=[0.229, 0.224, 0.225]進行歸一化。
- 類 torchvision.models.MobileNet_V2_Weights(value)[source]
上述模型構建器接受以下值作為
weights引數。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很好地復現論文結果。
acc@1（在 ImageNet-1K 上）
71.878
acc@5（在 ImageNet-1K 上）
90.286
引數量
3504872
最小尺寸
高=1，寬=1
類別
丁鯛、金魚、大白鯊等…（省略 997 項）
訓練方法
GFLOPS
0.30
檔案大小
13.6 MB
推理變換可透過
MobileNet_V2_Weights.IMAGENET1K_V1.transforms訪問，並執行以下預處理操作：接受PIL.Image、批處理(B, C, H, W)和單張(C, H, W)影像torch.Tensor物件。影像使用interpolation=InterpolationMode.BILINEAR被縮放至resize_size=[256]，然後進行中心裁剪crop_size=[224]。最後，值首先被重新縮放至[0.0, 1.0]，然後使用mean=[0.485, 0.456, 0.406]和std=[0.229, 0.224, 0.225]進行歸一化。MobileNet_V2_Weights.IMAGENET1K_V2:
這些權重透過使用修改後的 TorchVision 新的訓練方法，在原始論文結果基礎上有所改進。也可作為
MobileNet_V2_Weights.DEFAULT使用。acc@1（在 ImageNet-1K 上）
72.154
acc@5（在 ImageNet-1K 上）
90.822
引數量
3504872
最小尺寸
高=1，寬=1
類別
丁鯛、金魚、大白鯊等…（省略 997 項）
訓練方法
GFLOPS
0.30
檔案大小
13.6 MB
推理變換可透過
MobileNet_V2_Weights.IMAGENET1K_V2.transforms訪問，並執行以下預處理操作：接受PIL.Image、批處理(B, C, H, W)和單張(C, H, W)影像torch.Tensor物件。影像使用interpolation=InterpolationMode.BILINEAR被縮放至resize_size=[232]，然後進行中心裁剪crop_size=[224]。最後，值首先被重新縮放至[0.0, 1.0]，然後使用mean=[0.485, 0.456, 0.406]和std=[0.229, 0.224, 0.225]進行歸一化。
