MobileNetV3于2019年问世，是目前移动端实时视觉任务的首选，追求极致性价比。在同精度下，V3 比 V2 快约 20%~30%，参数量更小。MobileNetV1V2的原理介绍不再赘述。
代码链接
MobileNetV3 相比 V2 的主要改进
1. 基本模块结构的改进 MobileNetV3 对 V2 的逆向残差模块进行了重构，具体体现在两点：
- 引入 SE 模块：在模块中集成了 SE（Squeeze-and-Excitation）模块，增强了特征表达能力。值得注意的是，SE 模块中的 sigmoid 函数被替换为计算更高效的 hard sigmoid 函数。
输入 (C×H×W)
↓
Global AvgPool → (C×1×1) [Squeeze: 压缩空间信息]
↓
FC1 → C/r [降维，r=4或8]
↓
ReLU
↓
FC2 → C [升维]
↓
HardSwish
↓
Sigmoid [Excitation: 生成通道权重]
↓
乘以输入 (C×H×W) [通道重标定]
- 使用新激活函数：采用了新的激活函数 H-swish。相比于 V2 使用的激活函数，H-swish 的图像与 swish 接近，有助于提高准确率，且计算更简单，能避免因设备拟合 sigmoid 函数方法不同带来的误差。
HardSwish(x) = x * ReLU6(x + 3) / 6
2. 网络结构的优化
-
采用网络搜索算法：MobileNetV3 的结构并非完全人工设计，而是首先利用自动网络搜索算法得到基础结构，然后针对特定需求进行了人工调整。
-
针对性结构精简：针对网络搜索算法得到的结构中"开始部分"和"尾部"计算耗时久的问题进行了优化，进一步提升了网络的运行效率。
-
注意：官方mobilenetv3是 NAS 搜索结果的最终实现，也就是已经固定好的架构配置。这些配置是 NAS 搜索出来 + 人工微调后的最终产物。
NAS 搜索本身是在模型设计阶段进行的，不是在训练时使用。要实现完整的 NAS 需要额外的框架和大量计算资源。我们使用时直接用最终架构，训练自己的数据集即可
MobileNetV3-Small 数据流:
═══════════════════════════════════════════════════════════
输入图像 (3×224×224)
│
▼
┌──────────────────────────────────────────────────────┐
│ Conv3×3 + BN + ReLU6 │
│ 3 → 16, stride=2 │
│ 输出: 16×112×112 │
└──────────────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────────┐
│ 11 × bneck 块倒残差 │
│ (通道数: 16→24→40→48→96) │
│ 输出: 96×7×7 │
└──────────────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────────┐
│ Conv1×1 + BN + HardSwish │
│ 96 → 576 │
│ 输出: 576×7×7 │
└──────────────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────────┐
│ AdaptiveAvgPool2d(1) │
│ 输出: 576×1×1 │
└──────────────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────────┐
│ Flatten → FC(576→1024) → HardSwish → Dropout │
└──────────────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────────┐
│ FC(1024→102) │
│ 输出: 102 (花卉类别概率) │
└──────────────────────────────────────────────────────┘
本期主要实现基于ClaudeCode快速搭建MobileNetV3，并进行图像分类任务的训练和测试
需求文档撰写
主要是确认项目的功能和环境配置、以及目录架构等
数据集下载链接（支持自动下载）
ClaudeCode生成
MobileNetV3/
├── README.md ✅ 项目说明文档
├── config.py ✅ 配置文件 (model_type='small')
├── requirements.txt ✅ Python依赖 (Python 3.8兼容)
├── train.py ✅ 训练脚本
├── test.py ✅ 测试/推理脚本
│
├── checkpoints/ ✅ 检查点保存目录
├── utils/
│ ├── init.py ✅
│ ├── dataset.py ✅ Flowers102数据加载
│ ├── metrics.py ✅ 评估指标
│ ├── visualizer.py ✅ 可视化工具
│ └── flower_names.py ✅ 102类花卉名称
│
└── (运行时生成)
├── data/ # Flowers102数据集缓存
├── logs/ # TensorBoard日志
└── results/ # 测试结果和可视化
快速使用
1. 安装依赖
pip install -r requirements.txt
2. 开始训练 (使用MobileNetV3-Small)
python train.py
3. 测试评估
python test.py --checkpoint checkpoints/best_model.pth --visualize
4. 单张图像推理
python test.py --checkpoint checkpoints/best_model.pth --image flower.jpg --topk 5
#通过修改config配置文件即可修改训练模型的各种参数
#特殊训练场景
场景1：训练中意外中断（如断电、程序崩溃）
原始训练命令
python train.py --model small --epochs 50
训练到第23轮中断了，从 epoch_20.pth 恢复
python train.py --checkpoint checkpoints/epoch_20.pth
场景2：手动暂停后继续
训练到某个阶段后想继续训练更多轮次
python train.py --checkpoint checkpoints/best_model.pth --epochs 100
代码解读
主要了解代码如何加载数据集，训练模型和测试即可
数据集处理dataset.py
- 数据集加载 (torchvision.datasets.Flowers102)
train_dataset = torchvision.datasets.Flowers102(
root=data_root, # './data'
split='train', # 'train', 'val', 'test'
download=download, # 是否自动下载
transform=train_transform # 数据变换
)
- 数据变换 (Transform)
训练集变换（数据增强）
transforms.Compose([
transforms.RandomResizedCrop(224), # 随机裁剪+缩放
transforms.RandomHorizontalFlip(0.5), # 50%概率水平翻转
transforms.RandomRotation(15), # 随机旋转±15度
transforms.ColorJitter(...), # 颜色抖动
transforms.ToTensor(), # PIL → Tensor (0-1)
transforms.Normalize(mean, std) # ImageNet标准化
])
- 数据打包 (DataLoader)
train_loader = DataLoader(
train_dataset,
batch_size=32, # 每批32张图
shuffle=True, # 打乱顺序（仅训练集）
num_workers=0, # Windows设为0
pin_memory=True, # 加速GPU传输
drop_last=True # 丢弃最后不完整batch
)
训练脚本train.py
def set_seed(seed) - 保证可复现性
def get_model(model_type, num_classes, pretrained, dropout_rate):
1. 加载 torchvision 官方模型
2. 修改最后一层分类头 (ImageNet 1000类 → Flowers102 102类)
3. 可选添加 Dropout
def get_optimizer(model, config):
根据 config.OPTIMIZER 选择优化器:
- adamw: AdamW (推荐)
- adam: Adam
- sgd: SGD with momentum
def get_scheduler(optimizer, config):
三种学习率调度策略:
- cosine: 余弦退火 (推荐，平滑下降)
- step: 阶梯下降
- plateau: 根据指标自动调整
def train_epoch(model, train_loader, criterion, optimizer, device, epoch, config, writer):
model.train() # 设置为训练模式 (启用 Dropout, BatchNorm 更新)
def main(args):
1. 解析命令行参数，覆盖 config
2. set_seed(cfg.SEED)
3. 加载数据: get_dataloaders(cfg)
4. 创建模型: get_model(...)
5. 创建优化器: get_optimizer(...)
6. 创建调度器: get_scheduler(...)
7. 训练循环:
for epoch in range(start_epoch, EPOCHS + 1):
train_loss, train_acc = train_epoch(...)
val_loss, val_acc = validate(...)
save_checkpoint(...) # 保存模型
if 早停条件: break
8. 绘制训练历史曲线
完整训练流程：
main() 启动
│
├──→ set_seed(42) # 固定随机性
│
├──→ get_dataloaders() # 加载数据
│ └→ train_loader, val_loader, test_loader
│
├──→ get_model() # 创建模型
│ └→ model (mobilenet_v3_small)
│
├──→ get_optimizer() # 创建优化器
│ └→ optimizer (AdamW)
│
└──→ 训练循环 (50 epochs)
│
├──→ Epoch 1: train → val → save
├──→ Epoch 2: train → val → save
├──→ ...
└──→ Epoch 50: train → val → save
│
└→ plot_training_history() # 绘制曲线
训练结果
MobileNetV3-small-30轮
MobileNetV3-large-30轮
测试脚本test.py
函数结构
│
├── get_model() # 加载模型 + 检查点权重
├── test() # 批量测试评估
├── predict_single_image() # 单张图像推理
├── print_test_results() # 打印测试结果
├── print_prediction_results() # 打印预测结果
└── main() # 主函数，处理参数
基础测试
python test.py --checkpoint checkpoints/best_model.pth
测试 + 可视化（生成预测图和混淆矩阵）
python test.py --checkpoint checkpoints/best_model.pth --visualize
测试 + 显示每类准确率
python test.py --checkpoint checkpoints/best_model.pth --per-class
测试 + 全部功能
python test.py --checkpoint checkpoints/best_model.pth --visualize --per-class
单图推理模式
功能说明
对单张图像进行预测，返回 Top-K 个最可能的类别及其概率。
使用方法
预测单张图像（默认 Top-5）
python test.py --checkpoint checkpoints/best_model.pth --image flower.jpg
Top-3 预测
python test.py --checkpoint checkpoints/best_model.pth --image flower.jpg --topk 3
指定模型类型
python test.py --checkpoint checkpoints/best_model.pth --image flower.jpg --model large
