MobileNet_v3
论文
Searching for MobileNetV3
https://arxiv.org/pdf/1905.02244.pdf
模型结构
MobileNetv3模型采用轻量级的深度可分离卷积(depthwise separable convolution)结构,以减少模型参数量和计算复杂度。
算法原理
MobileNetv3模型采用混合使用轻量级深度可分离卷积和逆残差结构(Inverted Residuals)的算法原理,以实现高效计算和良好的模型性能
环境配置
Docker(方法一)
此处提供光源拉取docker镜像的地址与使用步骤
docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:tvm_fp32_dtk22.10.1_py38_centos-7.6-latest
docker run -it -v /path/your_code_data/:/path/your_code_data/ --shm-size=32G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name docker_name imageID bash
cd /root/tvm-0.11-dev0/apps/
git clone http://developer.hpccube.com/codes/modelzoo/mobilenet_v3_tvm.git
数据集
在本测试中可以使用ImageNet数据集。 下载ImageNet数据集:ImageNet 数据结构如下:
data
├──imagenet
├── meta
├──val.txt
├──train.txt
...
├── train
├── val
推理
Python Deploy测试参考:
cd mobilenet_v3_tvm
ulimit -s unlimited
export MIOPEN_DEBUG_CONV_IMPLICIT_GEMM=0
export HIP_VISIBLE_DEVICES=2(此处修改为对应加速卡ID号)
python val_onnx.py --test-only --data-path /parastor/DL_DATA/ImageNet-pytorch --model mobilenet_v3_large --b 1 --pretrained
result
精度
测试数据:ImageNet-pytorch,使用的加速卡:Z100L。
Acc@1 | Acc@5 |
---|---|
74.054 | 91.340 |
应用场景
算法类别
图像分类
热点行业
制造,能源,交通,网安
源码仓库及问题反馈
ModelZoo / Mobilenet_v3_tvm · GitLab