图像分类¶
介绍¶
PaddleX共提供了20+的图像分类模型,可满足开发者不同场景的需求下的使用。
- Top1精度: 模型在ImageNet数据集上的测试精度
- 预测速度:单张图片的预测用时(不包括预处理和后处理)
- “-”表示指标暂未更新
模型(点击获取代码) | Top1精度 | 模型大小 | GPU预测速度 | Arm预测速度 | 备注 |
---|---|---|---|---|---|
MobileNetV3_small_ssld | 71.3% | 21.0MB | 6.809ms | - | 模型小,预测速度快,适用于低性能或移动端设备 |
MobileNetV2 | 72.2% | 14.0MB | 4.546ms | - | 模型小,预测速度快,适用于低性能或移动端设备 |
ShuffleNetV2 | 68.8% | 9.0MB | 6.101ms | - | 模型体积小,预测速度快,适用于低性能或移动端设备 |
ResNet50_vd_ssld | 82.4% | 102.8MB | 9.058ms | - | 模型精度高,适用于服务端部署 |
开始训练¶
将代码保存到本地后运行(代码下载链接位于上面的表格),代码会自动下载训练数据并开始训练。如保存为mobilenetv3_small_ssld.py
,执行如下命令即可开始训练:
python mobilenetv3_small_ssld.py
相关文档¶
- 【重要】针对自己的机器环境和数据,调整训练参数?先了解下PaddleX中训练参数作用。——>>传送门
- 【有用】没有机器资源?使用AIStudio免费的GPU资源在线训练模型。——>>传送门
- 【拓展】更多图像分类模型,查阅PaddleX模型库和API使用文档。