Python PyTorch ssdlite320_mobilenet_v3_large用法及代碼示例

本文簡要介紹python語言中 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)

參數：

• pretrained(bool) -如果為 True，則返回在 COCO train2017 上預訓練的模型

• progress(bool) -如果為 True，則顯示下載到 stderr 的進度條

• num_classes(int) -模型的輸出類數(包括背景)

• pretrained_backbone(bool) -如果為 True，則返回一個在 Imagenet 上預訓練過主幹的模型

• trainable_backbone_layers(int) -從最終塊開始的可訓練(未凍結)resnet 層數。有效值介於 0 和 6 之間，其中 6 表示所有主幹層都是可訓練的。

• norm_layer(可調用的,可選的) -指定要使用的規範化層的模塊。

構造一個輸入大小為 320x320 和 MobileNetV3 大型骨幹網的 SSDlite 模型，如 “Searching for MobileNetV3” 和 “MobileNetV2: Inverted Residuals and Linear Bottlenecks” 中所述。

有關詳細信息，請參閱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：

可視化實用程序