Getestete Modelle - Amazon SageMaker KI

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Getestete Modelle

Die folgenden zusammenklappbaren Abschnitte enthalten Informationen zu Modellen für maschinelles Lernen, die vom Amazon SageMaker Neo-Team getestet wurden. Erweitern Sie den zusammenklappbaren Abschnitt auf der Grundlage Ihres Frameworks, um zu überprüfen, ob ein Modell getestet wurde.

Anmerkung

Dies ist keine umfassende Liste von Modellen, die mit Neo kompiliert werden können.

Unter Unterstützte Frameworks und von SageMaker AI Neo unterstützte Operatoren erfahren Sie, ob Sie Ihr Modell mit SageMaker Neo kompilieren können.

Modelle

ARMV8

ARMMali

Ambarella CV22

Nvidia

Panorama

ES TDA4VM

Qualcomm 03 QCS6

X86_Linux

X86_Windows

Alexnet

Resnet 50

X

X

X

X

X

X

X

YOLOv2

X

X

X

X

X

YOLOv2_winzig

X

X

X

X

X

X

X

YOLOv3_416

X

X

X

X

X

YOLOv3_winzig

X

X

X

X

X

X

X

Modelle

ARMV8

ARMMali

Ambarella CV22

Nvidia

Panorama

ES TDA4VM

Qualcomm 03 QCS6

X86_Linux

X86_Windows

Alexnet

X

Dichtes Netz 121

X

DenseNet201

X

X

X

X

X

X

X

X

GoogLeNet

X

X

X

X

X

X

X

Inception V3

X

X

X

X

X

MobileNet0,75

X

X

X

X

X

X

MobileNet1,0

X

X

X

X

X

X

X

MobileNetV2_0.5

X

X

X

X

X

X

MobileNetV2_1.0

X

X

X

X

X

X

X

X

X

MobileNetV3_Groß

X

 X

X

X

X

X

X

X

X

MobileNetV3_Klein

X

X

X

X

X

X

X

X

X

ResNeSt50

X

X

X

X

ResNet18_v1

X

X

X

X

X

X

X

ResNet18_v2

X

X

X

X

X

X

ResNet50_v1

X

X

X

X

X

X

X

X

ResNet50_v2

 X

X

X

X

X

X

X

X

ResNext101_32x4d

ResNext50_32x4d

X

X

X

X

X

X

SENet_154

X

X

X

X

X

SE_ 50_32x4d ResNext

X

X

X

X

 X

X

X

SqueezeNet1,0

X

X

X

X

X

X

X

SqueezeNet1.1

X

X

X

X

X

X

X

X

VGG11

X

X

X

X

X

X

X

Ausnahme

X

X

X

X

X

X

X

X

Darknet 53

X

X

X

X

X

X

X

resnet18_v1b_0.89

X

X

X

X

X

X

resnet50_v1d_0.11

X

X

X

X

X

X

resnet50_v1d_0.86

X

X

X

X

X

X

X

X

ssd_512_mobilenet1.0_coco

X

X

X

X

X

X

X

ssd_512_mobilenet1.0_voc

X

X

X

X

X

X

X

ssd_resnet50_v1

X

X

X

X

X

X

yolo3_darknet53_coco

X

X

X

X

X

yolo3_mobilenet1.0_coco

X

X

X

X

X

X

X

deeplab_resnet50

X

Modelle

ARMV8

ARMMali

Ambarella CV22

Nvidia

Panorama

ES TDA4VM

Qualcomm 03 QCS6

X86_Linux

X86_Windows

dichtes Netz 121

X

X

X

X

X

X

X

X

densenet201

X

X

X

X

X

X

X

Anfang_v3

X

X

X

X

X

X

X

mobilenet_v1

X

X

X

X

X

X

X

X

mobilenet_v2

X

X

X

X

X

X

X

X

resnet152_v1

X

X

X

resnet152_v2

X

X

X

resnet50_v1

X

X

X

X

X

X

X

resnet50_v2

X

X

X

X

X

X

X

X

vgg 16

X

X

X

X

X

Modelle

ARMV8

ARMMali

Ambarella CV22

Nvidia

Panorama

ES TDA4VM

Qualcomm 03 QCS6

X86_Linux

X86_Windows

alexNet

X

mobilenet Version 2-1.0

X

X

X

X

X

X

X

X

resnet 18 v1

X

X

X

X

resnet 18 v2

X

X

X

X

resnet 50 v1

X

X

X

X

X

X

resnet 50 v2

X

X

X

X

X

X

resnet 152 v1

X

X

X

X

resnet 152 v2

X

X

X

X

squeezenet1.1

X

X

X

X

X

X

X

vgg 19

X

X

Modelle

ARMV8

ARMMali

Ambarella CV22

Ambarella CV25

Nvidia

Panorama

ES TDA4VM

Qualcomm 03 QCS6

X86_Linux

X86_Windows

dichtes Netz 121

X

X

X

X

X

X

X

X

X

Anfang_v3

X

X

X

X

X

X

resnet152

X

X

X

X

resnet18

X

X

X

X

X

X

resnet 50

X

X

X

X

X

X

X

X

Squeezenet 1.0

X

X

X

X

X

X

squeezenet1.1

X

X

X

X

X

X

X

X

X

Yolov 4

X

X

Yolov 5

X

X

X

schnelleres rcnn_resnet50_fpn

X

X

maskieren Sie rcnn_resnet50_fpn

X

X

TensorFlow

Modelle

ARMV8

ARMMali

Ambarella CV22

Ambarella CV25

Nvidia

Panorama

ES TDA4VM

Qualcomm 03 QCS6

X86_Linux

X86_Windows

dichtes Netz 201

X

X

X

X

X

X

X

X

X

Anfang_v3

X

X

X

X

X

X

X

X

mobilenet100_v1

X

X

X

X

X

X

X

mobilenet100_v2.0

X

X

X

X

X

X

X

X

mobilenet130_v2

X

X

X

X

X

X

mobilenet140_v2

X

X

X

X

X

X

X

X

resnet50_v1.5

X

X

X

X

X

X

X

resnet50_v2

X

X

X

X

X

X

X

X

X

squeezenet

X

X

X

X

X

X

X

X

X

maske_rcnn_inception_resnet_v2

X

ssd_mobilenet_v2

X

X

faster_rcnn_resnet50_low Vorschläge

X

rfcn_resnet101

X

TensorFlow.Keras

Modelle

ARMV8

ARMMali

Ambarella CV22

Nvidia

Panorama

ES TDA4VM

Qualcomm 03 QCS6

X86_Linux

X86_Windows

DenseNet121

X

X

X

X

X

X

X

DenseNet201

X

X

X

X

X

X

Inception V3

X

X

X

X

X

X

X

MobileNet

X

X

X

X

X

X

X

MobileNetv2

X

X

X

X

X

X

X

NASNetLarge

X

X

X

X

NASNetMobile

X

X

X

X

X

X

X

ResNet101

X

X

X

X

ResNet101 V2

X

X

X

X

ResNet152

X

X

X

ResNet152 gegen 2

X

X

X

ResNet50

X

X

X

X

X

X

ResNet50 V 2

X

X

X

X

X

X

X

VGG16

X

X

X

X

Ausnahme

X

X

X

X

X

X

X
TensorFlow-Lite (FP32)

Modelle

ARMV8

ARMMali

Ambarella CV22

Nvidia

Panorama

ES TDA4VM

Qualcomm 03 QCS6

X86_Linux

X86_Windows

i.MX 8M Plus

densenet_2018_04_27

X

X

X

X

X

inception_resnet_v2_2018_04_27

X

X

 X

X

inception_v3_2018_04_27

X

X

X

X

X

inception_v4_2018_04_27

X

X

X

X

X

mansnet_0.5_224_09_07_2018

X

X

X

X

X

mnasnet_1.0_224_09_07_2018

X

X

X

X

X

mnasnet_1.3_224_09_07_2018

X

X

X

X

X

mobilenet_v1_0.25_128

X

X

X

X

X

X

mobilenet_v1_0.25_224

X

X

X

X

X

X

mobilenet_v1_0.5_128

X

X

X

X

X

X

mobilenet_v1_0.5_224

X

X

X

X

X

X

mobilenet_v1_0.75_128

X

X

X

X

X

X

mobilenet_v1_0.75_224

X

X

X

X

X

X

mobilenet_v1_1.0_128

X

X

X

X

X

X

mobilenet_v1_1.0_192

X

X

X

X

X

X

mobilenet_v2_1.0_224

X

X

X

X

X

X

resnet_v2_101

X

X

X

X

squeezenet_2018_04_27

X

X

X

X

X

TensorFlow-Lite (INT8)

Modelle

ARMV8

ARMMali

Ambarella CV22

Nvidia

Panorama

ES TDA4VM

Qualcomm 03 QCS6

X86_Linux

X86_Windows

i.MX 8M Plus

inception_v1

X

X

Inception_v2

X

X

Anfang_v3

X

X

X

X

X

Inception_v4_299

X

X

X

X

X

mobilenet_v1_0.25_128

X

X

X

X

mobilenet_v1_0.25_224

X

X

X

X

mobilenet_v1_0.5_128

X

X

X

X

mobilenet_v1_0.5_224

X

X

X

X

mobilenet_v1_0.75_128

X

X

X

X

mobilenet_v1_0.75_224

X

X

X

X

X

mobilenet_v1_1.0_128

X

X

X

X

mobilenet_v1_1.0_224

X

X

X

X

X

mobilenet_v2_1.0_224

X

X

X

X

X

deeplab-v3_513

X