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。