timm documentation
MobileNet-V5
You are viewing main version, which requires installation from source. If you'd like
regular pip install, checkout the latest stable version (v1.0.31).
MobileNet-V5
类别： 编码器 · 代码： timm/models/mobilenetv5.py · 架构： 3 · 预训练权重： 1（0 个具有 ImageNet-1k 结果）
来自 Google Gemma 3n 的 MobileNet-V5 视觉编码器，由 MobileNet-V4 模块（Universal Inverted Residual、Mobile MQA）构建，并配备多尺度融合适配器。
论文
用法
请参阅快速入门了解如何加载预训练权重、进行图像预处理和微调，以及查阅特征提取了解如何将模型用作骨干网络。
>>> import timm
>>> model = timm.create_model('mobilenetv5_300m.gemma3n', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)模型 API 支持
| 功能 | MobileNetV5 | MobileNetV5Encoder |
|---|---|---|
features_only=True 特征图 | ✓（步长 2、4、8、16、32） | ✓（步长 2、4、8、16、32） |
forward_intermediates() | ✓ | ✓ |
prune_intermediate_layers() | ✓ | ✓ |
| 任意输入尺寸，无需更改 | ✓ | ✓ |
set_input_size() | – | – |
dynamic_img_size=True | – | – |
set_grad_checkpointing() | ✓ | ✓ |
逐层学习率衰减（group_matcher()） | ✓ | ✗ |
reset_classifier() | ✓ | ✗ |
✓ 支持，✓ (square) 仅支持方形尺寸，✗ 不支持，– 无需支持（模型本身已接受任意输入尺寸）。通过在每个功能上运行随机初始化的模型（MobileNetV5 使用 mobilenetv5_base 在 256 上，MobileNetV5Encoder 使用 mobilenetv5_300m_enc 在 256 上）进行验证，同一类的其他架构预计表现相同。有关详细信息，请参阅 Model API 页面。
架构
| 架构 | 类 | 参数（M） | GMAC | 输入大小 | 预训练权重 |
|---|---|---|---|---|---|
mobilenetv5_300m | MobileNetV5 | 294.13 | 435.74 | 768 | 1 |
mobilenetv5_300m_enc | MobileNetV5Encoder | 294.13 | 435.74 | 768 | 0 |
mobilenetv5_base | MobileNetV5 | 82.65 | 20.05 | 256 | 0 |
GMACs 和参数量对应于每种架构的默认输入大小和分类器，数据来自基准测试结果。
预训练权重
Top-1 是 results-imagenet.csv 中在所列评估规模下的 ImageNet-1k 验证准确率，- 表示该权重没有 ImageNet-1k 结果（例如预训练权重或图文权重）。Classes 是预训练分类器的大小，对于没有分类器的权重则为 none。
| 权重 | 输入大小 | Top-1（%） | 评估大小 | 类 | 许可证 | Hub |
|---|---|---|---|---|---|---|
mobilenetv5_300m.gemma3n | 768 | - | - | none | gemma | timm |