MobileNetV2 的 PyTorch 实现

这是根据论文 Inverted Residuals and Linear Bottlenecks: Mobile Networks for Classification, Detection and Segmentation 中描述的 MobileNetV2 架构实现的 PyTorch 版本。

[新] 添加了自动下载预训练权重的代码。

训练方案

最近我找到了一套不错的训练设置：

1. epoch 数：150
2. 学习率调度：余弦退火学习率，初始学习率为 0.05
3. 权重衰减：4e-5
4. 移除 Dropout 层

使用这套训练方案，你应该能够获得超过 72% 的 Top-1 准确率！

准确率与统计信息

以下是与官方 TensorFlow 实现 的统计对比：

	FLOPs	参数量	Top1-准确率	预训练模型
官方 TF	300 M	3.47 M	71.8%	-
我们的实现	300.775 M	3.471 M	71.8%	[Google Drive]

使用方法

要使用预训练模型，请运行以下代码：

from MobileNetV2 import mobilenet_v2

net = mobilenet_v2(pretrained=True)

数据预处理

我在 ImageNet 数据集上使用了以下数据预处理代码：

normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406],
                                 std=[0.229, 0.224, 0.225])

input_size = 224
train_dataset = datasets.ImageFolder(
    traindir,
    transforms.Compose([
        transforms.RandomResizedCrop(input_size, scale=(0.2, 1.0)), 
        transforms.RandomHorizontalFlip(),
        transforms.ToTensor(),
        normalize,
    ]))

train_loader = torch.utils.data.DataLoader(
    train_dataset, batch_size=batch_size, shuffle=True,
    num_workers=n_worker, pin_memory=True)

val_loader = torch.utils.data.DataLoader(
    datasets.ImageFolder(valdir, transforms.Compose([
        transforms.Resize(int(input_size/0.875)),
        transforms.CenterCrop(input_size),
        transforms.ToTensor(),
        normalize,
    ])),
    batch_size=batch_size, shuffle=False,
    num_workers=n_worker, pin_memory=True)

PyTorch MobileNetV2 快速上手指南

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux (推荐), macOS, 或 Windows
• Python 版本：Python 3.6+
• 核心依赖：
  • PyTorch (建议版本 1.0+)
  • torchvision
  • tqdm (用于显示下载进度)

安装前置依赖：

建议使用国内镜像源加速安装：

pip install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install tqdm -i https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

本项目通常为单文件或少量文件结构，无需复杂的 setup.py 安装过程。

1. 克隆仓库或下载源码：

   git clone https://github.com/tonylins/pytorch-mobilenet-v2.git
   cd pytorch-mobilenet-v2
   

2. 确保 MobileNetV2.py (或相应模型定义文件) 位于您的 Python 路径中，或者直接在项目目录下运行代码。

基本使用

加载预训练模型

该工具已支持自动下载预训练权重。只需几行代码即可加载在 ImageNet 上预训练的 MobileNetV2 模型（Top-1 准确率约 71.8%）。

from MobileNetV2 import mobilenet_v2

# 加载预训练模型 (首次运行会自动下载权重)
net = mobilenet_v2(pretrained=True)

# 将模型设置为评估模式
net.eval()

数据预处理参考

为了获得最佳的推理效果，建议使用与训练时一致的预处理流程（基于 ImageNet 统计值）：

import torchvision.transforms as transforms

normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406],
                                 std=[0.229, 0.224, 0.225])

input_size = 224

# 验证集/推理时的预处理流程
preprocess = transforms.Compose([
    transforms.Resize(int(input_size/0.875)),
    transforms.CenterCrop(input_size),
    transforms.ToTensor(),
    normalize,
])

训练建议（可选）

如果您需要从头训练模型，作者推荐以下配置以达到 >72% 的 Top-1 准确率：

• Epochs: 150
• 学习率策略: Cosine Learning Rate, 初始 lr=0.05
• Weight Decay: 4e-5
• Dropout: 移除 Dropout 层