Python PyTorch ssdlite320_mobilenet_v3_large用法及代码示例

本文简要介绍python语言中 torchvision.models.detection.ssdlite320_mobilenet_v3_large 的用法。

用法:

torchvision.models.detection.ssdlite320_mobilenet_v3_large(pretrained: bool = False, progress: bool = True, num_classes: int = 91, pretrained_backbone: bool = False, trainable_backbone_layers: Optional[int] = None, norm_layer: Optional[Callable[[…], torch.nn.modules.module.Module]] = None, **kwargs: Any)

参数：

• pretrained(bool) -如果为 True，则返回在 COCO train2017 上预训练的模型

• progress(bool) -如果为 True，则显示下载到 stderr 的进度条

• num_classes(int) -模型的输出类数(包括背景)

• pretrained_backbone(bool) -如果为 True，则返回一个在 Imagenet 上预训练过主干的模型

• trainable_backbone_layers(int) -从最终块开始的可训练(未冻结)resnet 层数。有效值介于 0 和 6 之间，其中 6 表示所有主干层都是可训练的。

• norm_layer(可调用的,可选的) -指定要使用的规范化层的模块。

构造一个输入大小为 320x320 和 MobileNetV3 大型骨干网的 SSDlite 模型，如 “Searching for MobileNetV3” 和 “MobileNetV2: Inverted Residuals and Linear Bottlenecks” 中所述。

有关详细信息，请参阅ssd300_vgg16()。

示例

>>> model = torchvision.models.detection.ssdlite320_mobilenet_v3_large(pretrained=True)
>>> model.eval()
>>> x = [torch.rand(3, 320, 320), torch.rand(3, 500, 400)]
>>> predictions = model(x)

使用 ssdlite320_mobilenet_v3_large 的示例：

可视化实用程序