模型简介

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。官方论文：https://arxiv.org/abs/1704.04861v1

• 1. 使用方法

  • 1.1. 模型训练

• 2. 模型来源

1. 使用方法

1.1 模型训练

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

2. 模型来源

https://github.com/xiaolai-sqlai/mobilenetv3