【模型复现】深度可分离卷积/逆残差结构模型——MobileNetV3快速复现

MobileNetV3

快速复现教程

01 镜像详情

镜像简介：

这个模型的文章是由Andrew Howard团队发表在ICCV 2019 上的。文章综合了MobileNetV1的深度可分离卷积（depthwise separable convolutions）和MobileNetV2的具有线性瓶颈的逆残差结构(the inverted residual with linear bottleneck)。首先使用 MnasNet 进行粗略结构的搜索，然后使用强化学习从一组离散的选择中选择最优配置。之后，MobileNetV3 再使用 NetAdapt 对体系结构进行微调，这体现了 NetAdapt 的补充功能，它能够以较小的降幅对未充分利用的激活通道进行调整。

应用场景：智慧交通、安防监控

论文地址：

https://arxiv.org/abs/1704.04861v1

02 平台环境准备

 1. 打开极链AI云平台

         https://cloud.videojj.com/?channel=vx8https://cloud.videojj.com/?channel=vx8

2. 点击模型

 3. 选择 MobileNetV3 程序库并创建实例

4. 选择对应镜像

5. 连接实例

创建完成后，点击jupyterlab连接

03 模型配置

1.进入终端

2.在root/mobilenetv3（默认）路径下，输入以下命令：

python mobilenetv3.py# 该py文件包含训练和测试步骤，可按需修改代码分步复现

更多内容请左右滑动

# 按需可自行修改文件中``x = torch.randn(2,3,224,224)``的参数

以上就是 MobileNetV3 复现的全部内容了

感兴趣的话可以进入极链AI云官网，一键体验哦～

同时平台还拥有例如yolo系列等一众经典模型等你来

简单操作即可完成复现

新用户注册并完成认证还可领取海量云币券哦～