Giúp bảo vệ Great Barrier Reef với TensorFlow trên Kaggle Tham Challenge

Các mô hình được lưu trữ

Sau đây là danh sách không đầy đủ các mô hình được đào tạo trước được tối ưu hóa để hoạt động với TensorFlow Lite.

Để bắt đầu chọn một mô hình, hãy truy cập trang Mô hình với các ví dụ từ đầu đến cuối hoặc chọn mô hình TensorFlow Lite từ TensorFlow Hub .

Phân loại hình ảnh

Để biết thêm thông tin về phân loại hình ảnh, hãy xem Phân loại hình ảnh . Khám phá Thư viện tác vụ TensorFlow Lite để biết hướng dẫn về cách tích hợp các mô hình phân loại hình ảnh chỉ trong một vài dòng mã.

Mô hình lượng tử hóa

Các mô hình phân loại hình ảnh lượng tử cung cấp kích thước mô hình nhỏ nhất và hiệu suất nhanh nhất, với chi phí chính xác. Các giá trị hiệu suất được đo trên Pixel 3 trên Android 10.

Bạn có thể tìm thấy nhiều mô hình lượng tử hóa từ TensorFlow Hub và nhận thêm thông tin về mô hình ở đó.

Tên mẫu Giấy và mô hình Kích thước mô hình Độ chính xác hàng đầu 5 độ chính xác hàng đầu CPU, 4 luồng NNAPI
Mobilenet_V1_0.25_128_quant giấy , tflite & pb 0,5 Mb 39,5% 64,4% 0,8 mili giây 2 mili giây
Mobilenet_V1_0.25_160_quant giấy , tflite & pb 0,5 Mb 42,8% 68,1% 1,3 mili giây 2,4 mili giây
Mobilenet_V1_0.25_192_quant giấy , tflite & pb 0,5 Mb 45,7% 70,8% 1,8 mili giây 2,6 mili giây
Mobilenet_V1_0.25_224_quant giấy , tflite & pb 0,5 Mb 48,2% 72,8% 2,3 mili giây 2,9 mili giây
Mobilenet_V1_0.50_128_quant giấy , tflite & pb 1,4 Mb 54,9% 78,1% 1,7 mili giây 2,6 mili giây
Mobilenet_V1_0.50_160_quant giấy , tflite & pb 1,4 Mb 57,2% 80,5% 2,6 mili giây 2,9 mili giây
Mobilenet_V1_0.50_192_quant giấy , tflite & pb 1,4 Mb 59,9% 82,1% 3,6 mili giây 3,3 mili giây
Mobilenet_V1_0.50_224_quant giấy , tflite & pb 1,4 Mb 61,2% 83,2% 4,7 mili giây 3,6 mili giây
Mobilenet_V1_0.75_128_quant giấy , tflite & pb 2,6 Mb 55,9% 79,1% 3,1 mili giây 3,2 mili giây
Mobilenet_V1_0.75_160_quant giấy , tflite & pb 2,6 Mb 62,4% 83,7% 4,7 mili giây 3,8 mili giây
Mobilenet_V1_0.75_192_quant giấy , tflite & pb 2,6 Mb 66,1% 86,2% 6,4 mili giây 4,2 mili giây
Mobilenet_V1_0.75_224_quant giấy , tflite & pb 2,6 Mb 66,9% 86,9% 8,5 mili giây 4,8 mili giây
Mobilenet_V1_1.0_128_quant giấy , tflite & pb 4,3 Mb 63,3% 84,1% 4,8 mili giây 3,8 mili giây
Mobilenet_V1_1.0_160_quant giấy , tflite & pb 4,3 Mb 66,9% 86,7% 7,3 mili giây 4,6 mili giây
Mobilenet_V1_1.0_192_quant giấy , tflite & pb 4,3 Mb 69,1% 88,1% 9,9 mili giây 5,2 mili giây
Mobilenet_V1_1.0_224_quant giấy , tflite & pb 4,3 Mb 70,0% 89,0% 13 mili giây 6,0 mili giây
Mobilenet_V2_1.0_224_quant giấy , tflite & pb 3,4 Mb 70,8% 89,9% 12 mili giây 6,9 mili giây
Inception_V1_quant giấy , tflite & pb 6,4 Mb 70,1% 89,8% 39 mili giây 36 mili giây
Inception_V2_quant giấy , tflite & pb 11 Mb 73,5% 91,4% 59 mili giây 18 mili giây
Inception_V3_quant giấy , tflite & pb 23 Mb 77,5% 93,7% 148 mili giây 74 mili giây
Inception_V4_quant giấy , tflite & pb 41 Mb 79,5% 93,9% 268 mili giây 155 mili giây

Mô hình dấu chấm động

Mô hình dấu chấm động cung cấp độ chính xác tốt nhất, với chi phí của kích thước và hiệu suất mô hình. Tăng tốc GPU yêu cầu sử dụng mô hình dấu chấm động. Các giá trị hiệu suất được đo trên Pixel 3 trên Android 10.

Bạn có thể tìm thấy nhiều mô hình phân loại hình ảnh từ TensorFlow Hub và lấy thêm thông tin về mô hình ở đó.

Tên mẫu Giấy và mô hình Kích thước mô hình Độ chính xác hàng đầu 5 độ chính xác hàng đầu CPU, 4 luồng GPU NNAPI
DenseNet giấy , tflite & pb 43,6 Mb 64,2% 85,6% 195 mili giây 60 mili giây 1656 mili giây
SqueezeNet giấy , tflite & pb 5,0 Mb 49,0% 72,9% 36 mili giây 9,5 mili giây 18,5 mili giây
NASNet di động giấy , tflite & pb 21,4 Mb 73,9% 91,5% 56 mili giây --- 102 mili giây
NASNet lớn giấy , tflite & pb 355.3 Mb 82,6% 96,1% 1170 mili giây --- 648 mili giây
ResNet_V2_101 giấy , tflite & pb 178.3 Mb 76,8% 93,6% 526 mili giây 92 mili giây 1572 mili giây
Inception_V3 giấy , tflite & pb 95,3 Mb 77,9% 93,8% 249 mili giây 56 mili giây 148 mili giây
Inception_V4 giấy , tflite & pb 170,7 Mb 80,1% 95,1% 486 mili giây 93 mili giây 291 mili giây
Inception_ResNet_V2 giấy , tflite & pb 121.0 Mb 77,5% 94,0% 422 mili giây 100 mili giây 201 mili giây
Mobilenet_V1_0.25_128 giấy , tflite & pb 1,9 Mb 41,4% 66,2% 1,2 mili giây 1,6 mili giây 3 mili giây
Mobilenet_V1_0.25_160 giấy , tflite & pb 1,9 Mb 45,4% 70,2% 1,7 mili giây 1,7 mili giây 3,2 mili giây
Mobilenet_V1_0.25_192 giấy , tflite & pb 1,9 Mb 47,1% 72,0% 2,4 mili giây 1,8 mili giây 3.0 mili giây
Mobilenet_V1_0.25_224 giấy , tflite & pb 1,9 Mb 49,7% 74,1% 3,3 mili giây 1,8 mili giây 3,6 mili giây
Mobilenet_V1_0.50_128 giấy , tflite & pb 5,3 Mb 56,2% 79,3% 3.0 mili giây 1,7 mili giây 3,2 mili giây
Mobilenet_V1_0.50_160 giấy , tflite & pb 5,3 Mb 59,0% 81,8% 4,4 mili giây 2,0 mili giây 4,0 mili giây
Mobilenet_V1_0.50_192 giấy , tflite & pb 5,3 Mb 61,7% 83,5% 6,0 mili giây 2,5 mili giây 4,8 mili giây
Mobilenet_V1_0.50_224 giấy , tflite & pb 5,3 Mb 63,2% 84,9% 7,9 mili giây 2,8 mili giây 6,1 mili giây
Mobilenet_V1_0.75_128 giấy , tflite & pb 10,3 Mb 62,0% 83,8% 5,5 mili giây 2,6 mili giây 5,1 mili giây
Mobilenet_V1_0.75_160 giấy , tflite & pb 10,3 Mb 65,2% 85,9% 8,2 mili giây 3,1 mili giây 6,3 mili giây
Mobilenet_V1_0.75_192 giấy , tflite & pb 10,3 Mb 67,1% 87,2% 11,0 mili giây 4,5 mili giây 7,2 mili giây
Mobilenet_V1_0.75_224 giấy , tflite & pb 10,3 Mb 68,3% 88,1% 14,6 mili giây 4,9 mili giây 9,9 mili giây
Mobilenet_V1_1.0_128 giấy , tflite & pb 16,9 Mb 65,2% 85,7% 9,0 mili giây 4,4 mili giây 6,3 mili giây
Mobilenet_V1_1.0_160 giấy , tflite & pb 16,9 Mb 68,0% 87,7% 13,4 mili giây 5,0 mili giây 8,4 mili giây
Mobilenet_V1_1.0_192 giấy , tflite & pb 16,9 Mb 69,9% 89,1% 18,1 mili giây 6,3 mili giây 10,6 mili giây
Mobilenet_V1_1.0_224 giấy , tflite & pb 16,9 Mb 71,0% 89,9% 24,0 mili giây 6,5 mili giây 13,8 mili giây
Mobilenet_V2_1.0_224 giấy , tflite & pb 14.0 Mb 71,8% 90,6% 17,5 mili giây 6,2 mili giây 11,23 mili giây

Các mô hình di động AutoML

Các mô hình phân loại hình ảnh sau được tạo bằng Cloud AutoML . Các giá trị hiệu suất được đo trên Pixel 3 trên Android 10.

Bạn có thể tìm thấy những mô hình này trong TensorFlow Hub và nhận thêm thông tin về mô hình ở đó.

Tên Model Giấy và mô hình Kích thước mô hình Độ chính xác hàng đầu 5 độ chính xác hàng đầu CPU, 4 luồng GPU NNAPI
MnasNet_0.50_224 giấy , tflite & pb 8,5 Mb 68,03% 87,79% 9,5 mili giây 5,9 mili giây 16,6 mili giây
MnasNet_0.75_224 giấy , tflite & pb 12 Mb 71,72% 90,17% 13,7 mili giây 7,1 mili giây 16,7 mili giây
MnasNet_1.0_96 giấy , tflite & pb 17 Mb 62,33% 83,98% 5,6 mili giây 5,4 mili giây 12,1 mili giây
MnasNet_1.0_128 giấy , tflite & pb 17 Mb 67,32% 87,70% 7,5 mili giây 5,8 mili giây 12,9 mili giây
MnasNet_1.0_160 giấy , tflite & pb 17 Mb 70,63% 89,58% 11,1 mili giây 6,7 mili giây 14,2 mili giây
MnasNet_1.0_192 giấy , tflite & pb 17 Mb 72,56% 90,76% 14,5 mili giây 7,7 mili giây 16,6 mili giây
MnasNet_1.0_224 giấy , tflite & pb 17 Mb 74,08% 91,75% 19,4 mili giây 8,7 mili giây 19 mili giây
MnasNet_1.3_224 giấy , tflite & pb 24 Mb 75,24% 92,55% 27,9 mili giây 10,6 mili giây 22.0 mili giây

Phát hiện đối tượng

Để biết thêm thông tin về phát hiện đối tượng, hãy xem Phát hiện đối tượng . Khám phá Thư viện tác vụ TensorFlow Lite để biết hướng dẫn về cách tích hợp các mô hình phát hiện đối tượng chỉ trong một vài dòng mã.

Vui lòng tìm các mô hình phát hiện đối tượng từ TensorFlow Hub.

Ước tính tư thế

Để biết thêm thông tin về ước lượng tư thế, hãy xem Ước lượng tư thế .

Vui lòng tìm các mô hình ước tính tư thế từ TensorFlow Hub.

Phân đoạn hình ảnh

Để biết thêm thông tin về phân đoạn hình ảnh, hãy xem Phân đoạn . Khám phá Thư viện tác vụ TensorFlow Lite để biết hướng dẫn về cách tích hợp các mô hình phân đoạn hình ảnh chỉ trong một vài dòng mã.

Vui lòng tìm các mô hình phân đoạn hình ảnh từ TensorFlow Hub.

Câu hỏi và trả lời

Để biết thêm thông tin về câu hỏi và câu trả lời với MobileBERT, hãy xem phần Hỏi và Đáp . Khám phá Thư viện tác vụ TensorFlow Lite để biết hướng dẫn về cách tích hợp các mô hình câu hỏi và câu trả lời chỉ trong một vài dòng mã.

Vui lòng tìm mô hình Mobile BERT từ TensorFlow Hub.

Trả lời thông minh

Để biết thêm thông tin về trả lời thông minh, hãy xem Trả lời thông minh .

Vui lòng tìm mô hình Trả lời thông minh từ TensorFlow Hub.