Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
TensorFlow Modèles de hub
Les modèles préentraînés suivants peuvent être utilisés pour l'apprentissage par transfert avec l' TensorFlow algorithme de classification des images.
Les modèles suivants varient de manière significative par leur taille, le nombre de paramètres de modèle, la durée d'entraînement et la latence d'inférence pour n'importe quel jeu de données. Le meilleur modèle pour votre cas d'utilisation dépend de la complexité de l'affinage du jeu de données et de toutes vos exigences en matière de durée d'entraînement, de latence d'inférence ou de précision du modèle.
Nom du modèle | model_id |
Source |
---|---|---|
MobileNet V2 1,00 224 |
|
|
MobileNet V2 0,75 224 |
|
|
MobileNet V2 0,50 224 |
|
|
MobileNet V2 0,35 224 |
|
|
MobileNet V2 1,40 224 |
|
|
MobileNet V2 1,30 224 |
|
|
MobileNet V2 |
|
|
Inception V3 |
|
|
Inception V2 |
|
|
Inception V1 |
|
|
Inception V3 Preview |
|
|
Inception ResNet V2 |
|
|
ResNet V2 50 |
|
|
ResNet V2 101 |
|
|
ResNet V2 152 |
|
|
ResNet V1 50 |
|
|
ResNet V1 101 |
|
|
ResNet V1 152 |
|
|
ResNet 50 |
|
|
EfficientNet B0 |
|
|
EfficientNet B1 |
|
|
EfficientNet B2 |
|
|
EfficientNet B3 |
|
|
EfficientNet B4 |
|
|
EfficientNet B5 |
|
|
EfficientNet B6 |
|
|
EfficientNet B7 |
|
|
EfficientNet B0 Lite |
|
|
EfficientNet B1 Lite |
|
|
EfficientNet B2 Lite |
|
|
EfficientNet B3 Lite |
|
|
EfficientNet B4 Lite |
|
|
MobileNet V1 1,00 224 |
|
|
MobileNet V1 1,00 192 |
|
|
MobileNet V1 1,00 160 |
|
|
MobileNet V1 1,00 128 |
|
|
MobileNet V1 0,75 224 |
|
|
MobileNet V1 0,75 192 |
|
|
MobileNet V1 0,75 160 |
|
|
MobileNet V1 0,75 128 |
|
|
MobileNet V1 0,50 224 |
|
|
MobileNet V1 0,50 192 |
|
|
MobileNet V1 1,00 160 |
|
|
MobileNet V1 0,50 128 |
|
|
MobileNet V1 0,25 224 |
|
|
MobileNet V1 0,25 192 |
|
|
MobileNet V1 0,25 160 |
|
|
MobileNet V1 0,25 128 |
|
|
BiT-S R50x1 |
|
|
BiT-S R50x3 |
|
|
BiT-S R101x1 |
|
|
BiT-S R101x3 |
|
|
BiT-M R50x1 |
|
|
BiT-M R50x3 |
|
|
BiT-M R101x1 |
|
|
BiT-M R101x3 |
|
|
Bit-M R50x1 -21 k ImageNet |
|
|
Bit-M R50x3 -21 k ImageNet |
|
|
Bit-M R101 x 1 -21 k ImageNet |
|
|
Bit-M R101x3 -21 k ImageNet |
|