【深度学习】7.1 MobileNet网络详解和 7.2 使用pytorch搭建MobileNetV2并基于迁移学习训练

算法研究员

于 2021-04-28 15:56:45 发布

阅读量1k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： # 【经典网络pytorch实现】霹雳吧啦Wz

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_43154149/article/details/116235829

【经典网络pytorch实现】霹雳吧啦Wz 专栏收录该内容

16 篇文章

订阅专栏

本文详细介绍了MobileNet系列网络，包括深度可分离卷积的概念及其在MobileNet_v1中的应用。进一步，讨论了MobileNetV2的创新点——倒残差结构和其使用的激活函数。通过PyTorch实现MobileNetV2，并利用迁移学习进行训练，展示了训练准确率的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

前言
7.1 MobileNet网络详解
- DW卷积
- - 深度可分离卷积（在DW卷积基础上）
MobileNet_v1网络详解
MobileNet v2网络
- 倒残差结构
- 激活函数
MobileNet v2网络
- 原论文中的性能对比
7.2 使用pytorch搭建MobileNetV2并基于迁移学习训练

前言

视频地址
 辅助博文

7.1 MobileNet网络详解

在这里插入图片描述

DW卷积

在这里插入图片描述

深度可分离卷积（在DW卷积基础上）

在这里插入图片描述

在这里插入图片描述

MobileNet_v1网络详解

在这里插入图片描述

MobileNet v2网络

在这里插入图片描述

倒残差结构

在这里插入图片描述

激活函数

在这里插入图片描述

MobileNet v2网络

在这里插入图片描述

在这里插入图片描述

原论文中的性能对比

在这里插入图片描述

7.2 使用pytorch搭建MobileNetV2并基于迁移学习训练

在这里插入图片描述

ConvBNReLU

在这里插入图片描述

倒残差结构

在这里插入图片描述

train.py下载预训练权重

在这里插入图片描述

在这里插入图片描述

训练准确率

在这里插入图片描述

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。