来自 Torchvision 的 MobileNet V2 模型，针对 FOOD101 数据集进行了微调。该检查点使用 https://github.com/AlexKoff88/mobilenetv2_food101 训练了 30 个 epoch。

Top-1 准确率为 76.3%，但还可以做得更好。

主要目的是将其用于模型优化的示例和演示。其优势如下：

• FOOD101 可以自动下载，无需注册和短信验证。
• 它具有相当的代表性，能够反映真实世界场景。
• MobileNet v2 易于训练且轻量级，同样具有代表性，并被用于许多公共基准测试。

以下是在 PyTorch 中加载检查点的代码：

import sys
import os

import torch
import torch.nn as nn
import torchvision.models as models

FOOD101_CLASSES = 101

def fix_names(state_dict):
    state_dict = {key.replace('module.', ''): value for (key, value) in state_dict.items()}
    return state_dict

model = models.mobilenet_v2(num_classes=FOOD101_CLASSES)  

if len(sys.argv) > 1:
    checkpoint_path = sys.argv[1]

    if os.path.isfile(checkpoint_path):
        print("=> loading checkpoint '{}'".format(checkpoint_path))
        

        checkpoint = torch.load(checkpoint_path)
        weights = fix_names(checkpoint['state_dict'])
        model.load_state_dict(weights)

        print("=> loaded checkpoint '{}' (epoch {})"
                .format(checkpoint_path, checkpoint['epoch']))