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

來自 Searching for MobileNetV3 論文的 MobileNetV3 (Large) 模型。

注意

請注意，quantize = True 返回的是帶有 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_V3_Large_QuantizedWeights 或 MobileNet_V3_Large_Weights，可選) – 模型的預訓練權重。有關詳細資訊和可能的值，請參閱下方的 MobileNet_V3_Large_QuantizedWeights。預設情況下，不使用預訓練權重。

• progress (bool) – 如果為 True，則在標準錯誤輸出中顯示下載進度條。預設為 True。

• quantize (bool) – 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.MobileNet_V3_Large_QuantizedWeights 基類的引數。有關此類的更多詳細資訊，請參閱原始碼。

class torchvision.models.quantization.MobileNet_V3_Large_QuantizedWeights(value)

上述模型構建器接受以下值作為 weights 引數。MobileNet_V3_Large_QuantizedWeights.DEFAULT 等同於 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方列出的未量化權重之上進行量化感知訓練（急切模式）生成的。也可用作 MobileNet_V3_Large_QuantizedWeights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	73.004
acc@5 (在 ImageNet-1K 上)	90.858
引數數量	5483032
最小尺寸	高度=1, 寬度=1
類別	丁鱥魚, 金魚, 大白鯊, ... (省略 997 個)
後端	qnnpack
配方	連結
未量化	MobileNet_V3_Large_Weights.IMAGENET1K_V1
GIPS	0.22
檔案大小	21.6 MB

推理轉換可透過 MobileNet_V3_Large_QuantizedWeights.IMAGENET1K_QNNPACK_V1.transforms 獲取，並執行以下預處理操作：接受 PIL.Image、批處理的 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 將尺寸調整為 resize_size=[256]，然後進行中心裁剪，裁剪尺寸為 crop_size=[224]。最後，值首先被重新縮放到 [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。

class torchvision.models.MobileNet_V3_Large_Weights(value)

上述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配方從頭開始訓練的。

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	丁鱥魚, 金魚, 大白鯊, ... (省略 997 個)
引數數量	5483032
配方	連結
GFLOPS	0.22
檔案大小	21.1 MB

推理轉換可透過 MobileNet_V3_Large_Weights.IMAGENET1K_V1.transforms 獲取，並執行以下預處理操作：接受 PIL.Image、批處理的 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 將尺寸調整為 resize_size=[256]，然後進行中心裁剪，裁剪尺寸為 crop_size=[224]。最後，值首先被重新縮放到 [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:

透過使用 TorchVision 新訓練配方的修改版本，這些權重比原始論文的結果略有改進。也可用作 MobileNet_V3_Large_Weights.DEFAULT。

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	丁鱥魚, 金魚, 大白鯊, ... (省略 997 個)
引數數量	5483032
配方	連結
GFLOPS	0.22
檔案大小	21.1 MB

推理轉換可透過 MobileNet_V3_Large_Weights.IMAGENET1K_V2.transforms 獲取，並執行以下預處理操作：接受 PIL.Image、批處理的 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 將尺寸調整為 resize_size=[232]，然後進行中心裁剪，裁剪尺寸為 crop_size=[224]。最後，值首先被重新縮放到 [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。