날짜를 저장하십시오! Google I / O가 5 월 18 일부터 20 일까지 반환됩니다. 지금 등록

호스팅된 모델

다음은 TensorFlow Lite와 함께 동작하도록 최적화된 사전 훈련된 모델의 일부를 수록한 목록입니다.

모델 선택을 시작하려면 엔드 투 엔드 예제가 있는 모델 페이지를 방문하거나 TensorFlow Hub에서 TensorFlow Lite 모델을 선택하세요.

참고: 특정 애플리케이션에 가장 적합한 모델은 요구 사항에 따라 다릅니다. 예를 들어, 일부 애플리케이션에는 높은 정확성이 유익할 수 있지만 다른 애플리케이션에는 작은 모델 크기가 필요할 수 있습니다. 다양한 모델로 애플리케이션을 테스트하여 크기, 성능 및 정확성 간의 최적 균형을 찾아야 합니다.

이미지 분류

이미지 분류에 대한 자세한 내용은 이미지 분류를 참조하세요. TensorFlow Lite 작업 라이브러리에서 단 몇 줄의 코드만으로 이미지 분류 모델을 통합하는 방법에 대한 지침을 살펴보세요.

양자화된 모델

양자화된 이미지 분류 모델은 정확성을 희생하면서 가장 작은 모델 크기와 가장 빠른 성능을 제공합니다. 성능 값은 Android 10의 Pixel 3에서 측정했습니다.

TensorFlow Hub에서 많은 양자화된 모델을 찾아 더 많은 모델 정보를 얻을 수 있습니다.

모델 이름 논문과 모델 모델 크기 Top-1 정확성 Top-5 정확성 CPU, 4 스레드 NNAPI
Mobilenet_V1_0.25_128_quant 논문, tflite&pb 0.5Mb 39.5% 64.4% 0.8ms 2ms
Mobilenet_V1_0.25_160_quant 논문, tflite&pb 0.5Mb 42.8% 68.1% 1.3ms 2.4ms
Mobilenet_V1_0.25_192_quant 논문, tflite&pb 0.5Mb 45.7% 70.8% 1.8ms 2.6ms
Mobilenet_V1_0.25_224_quant 논문, tflite&pb 0.5Mb 48.2% 72.8% 2.3ms 2.9ms
Mobilenet_V1_0.50_128_quant 논문, tflite&pb 1.4Mb 54.9% 78.1% 1.7ms 2.6ms
Mobilenet_V1_0.50_160_quant 논문, tflite&pb 1.4Mb 57.2% 80.5% 2.6ms 2.9ms
Mobilenet_V1_0.50_192_quant 논문, tflite&pb 1.4Mb 59.9% 82.1% 3.6ms 3.3ms
Mobilenet_V1_0.50_224_quant 논문, tflite&pb 1.4Mb 61.2% 83.2% 4.7ms 3.6ms
Mobilenet_V1_0.75_128_quant 논문, tflite&pb 2.6Mb 55.9% 79.1% 3.1ms 3.2ms
Mobilenet_V1_0.75_160_quant 논문, tflite&pb 2.6Mb 62.4% 83.7% 4.7ms 3.8ms
Mobilenet_V1_0.75_192_quant 논문, tflite&pb 2.6Mb 66.1% 86.2% 6.4ms 4.2ms
Mobilenet_V1_0.75_224_quant 논문, tflite&pb 2.6Mb 66.9% 86.9% 8.5ms 4.8ms
Mobilenet_V1_1.0_128_quant 논문, tflite&pb 4.3Mb 63.3% 84.1% 4.8ms 3.8ms
Mobilenet_V1_1.0_160_quant 논문, tflite&pb 4.3Mb 66.9% 86.7% 7.3ms 4.6ms
Mobilenet_V1_1.0_192_quant 논문, tflite&pb 4.3Mb 69.1% 88.1% 9.9ms 5.2ms
Mobilenet_V1_1.0_224_quant 논문, tflite&pb 4.3Mb 70.0% 89.0% 13ms 6.0ms
Mobilenet_V2_1.0_224_quant 논문, tflite&pb 3.4Mb 70.8% 89.9% 12ms 6.9ms
Inception_V1_quant 논문, tflite&pb 6.4Mb 70.1% 89.8% 39ms 36ms
Inception_V2_quant 논문, tflite&pb 11Mb 73.5% 91.4% 59ms 18ms
Inception_V3_quant 논문, tflite&pb 23Mb 77.5% 93.7% 148ms 74ms
Inception_V4_quant 논문, tflite&pb 41Mb 79.5% 93.9% 268ms 155ms

참고: 모델 파일에는 TF Lite FlatBuffer 및 Tensorflow 고정 그래프가 모두 포함됩니다.

참고: 성능 수치는 Pixel-3(Android 10)에서 벤치마킹했습니다. 정확성 수치는 TFLite 이미지 분류 평가 도구를 사용하여 계산했습니다.

부동 소수점 모델

부동 소수점 모델은 모델 크기와 성능을 희생하면서 최고의 정확성을 제공합니다. GPU 가속을 사용하려면 부동 소수점 모델을 사용해야 합니다. 성능 값은 Android 10의 Pixel 3에서 측정했습니다.

TensorFlow Hub에서 많은 이미지 분류 모델을 찾아 더 많은 모델 정보를 얻을 수 있습니다.

모델 이름 논문과 모델 모델 크기 Top-1 정확성 Top-5 정확성 CPU, 4 스레드 GPU NNAPI
DenseNet 논문, tflite&pb 43.6Mb 64.2% 85.6% 195ms 60ms 1656ms
SqueezeNet 논문, tflite&pb 5.0Mb 49.0% 72.9% 36ms 9.5ms 18.5ms
NASNet 모바일 논문, tflite&pb 21.4Mb 73.9% 91.5% 56ms --- 102ms
NASNet 대형 논문, tflite&pb 355.3Mb 82.6% 96.1% 1170ms --- 648ms
ResNet_V2_101 논문, tflite&pb 178.3Mb 76.8% 93.6% 526ms 92ms 1572ms
Inception_V3 논문, tflite&pb 95.3Mb 77.9% 93.8% 249ms 56ms 148ms
Inception_V4 논문, tflite&pb 170.7Mb 80.1% 95.1% 486ms 93ms 291ms
Inception_ResNet_V2 논문, tflite&pb 121.0Mb 77.5% 94.0% 422ms 100ms 201ms
Mobilenet_V1_0.25_128 논문, tflite&pb 1.9MB 41.4% 66.2% 1.2ms 1.6ms 3ms
Mobilenet_V1_0.25_160 논문, tflite&pb 1.9MB 45.4% 70.2% 1.7ms 1.7ms 3.2ms
Mobilenet_V1_0.25_192 논문, tflite&pb 1.9MB 47.1% 72.0% 2.4ms 1.8ms 3.0ms
Mobilenet_V1_0.25_224 논문, tflite&pb 1.9MB 49.7% 74.1% 3.3ms 1.8ms 3.6ms
Mobilenet_V1_0.50_128 논문, tflite&pb 5.3Mb 56.2% 79.3% 3.0ms 1.7ms 3.2ms
Mobilenet_V1_0.50_160 논문, tflite&pb 5.3Mb 59.0% 81.8% 4.4ms 2.0ms 4.0ms
Mobilenet_V1_0.50_192 논문, tflite&pb 5.3Mb 61.7% 83.5% 6.0ms 2.5ms 4.8ms
Mobilenet_V1_0.50_224 논문, tflite&pb 5.3Mb 63.2% 84.9% 7.9ms 2.8ms 6.1ms
Mobilenet_V1_0.75_128 논문, tflite&pb 10.3Mb 62.0% 83.8% 5.5ms 2.6ms 5.1ms
Mobilenet_V1_0.75_160 논문, tflite&pb 10.3Mb 65.2% 85.9% 8.2ms 3.1ms 6.3ms
Mobilenet_V1_0.75_192 논문, tflite&pb 10.3Mb 67.1% 87.2% 11.0ms 4.5ms 7.2ms
Mobilenet_V1_0.75_224 논문, tflite&pb 10.3Mb 68.3% 88.1% 14.6ms 4.9ms 9.9ms
Mobilenet_V1_1.0_128 논문, tflite&pb 16.9Mb 65.2% 85.7% 9.0ms 4.4ms 6.3ms
Mobilenet_V1_1.0_160 논문, tflite&pb 16.9Mb 68.0% 87.7% 13.4ms 5.0ms 8.4ms
Mobilenet_V1_1.0_192 논문, tflite&pb 16.9Mb 69.9% 89.1% 18.1ms 6.3ms 10.6ms
Mobilenet_V1_1.0_224 논문, tflite&pb 16.9Mb 71.0% 89.9% 24.0ms 6.5ms 13.8ms
Mobilenet_V2_1.0_224 논문, tflite&pb 14.0Mb 71.8% 90.6% 17.5ms 6.2ms 11.23ms

AutoML 모바일 모델

다음 이미지 분류 모델은 Cloud AutoML을 사용하여 생성되었습니다. 성능 값은 Android 10의 Pixel 3에서 측정했습니다.

TensorFlow Hub 에서 이러한 모델을 찾아 더 많은 모델 정보를 얻을 수 있습니다.

모델 이름 논문과 모델 모델 크기 Top-1 정확성 Top-5 정확성 CPU, 4 스레드 GPU NNAPI
MnasNet_0.50_224 논문, tflite&pb 8.5MB 68.03% 87.79% 9.5ms 5.9ms 16.6ms
MnasNet_0.75_224 논문, tflite&pb 12Mb 71.72% 90.17% 13.7ms 7.1ms 16.7ms
MnasNet_1.0_96 논문, tflite&pb 17Mb 62.33% 83.98% 5.6ms 5.4ms 12.1ms
MnasNet_1.0_128 논문, tflite&pb 17Mb 67.32% 87.70% 7.5ms 5.8ms 12.9ms
MnasNet_1.0_160 논문, tflite&pb 17Mb 70.63% 89.58% 11.1ms 6.7ms 14.2ms
MnasNet_1.0_192 논문, tflite&pb 17Mb 72.56% 90.76% 14.5ms 7.7ms 16.6ms
MnasNet_1.0_224 논문, tflite&pb 17Mb 74.08% 91.75% 19.4ms 8.7ms 19ms
MnasNet_1.3_224 논문, tflite&pb 24Mb 75.24% 92.55% 27.9ms 10.6ms 22.0ms

참고: 성능 수치는 Pixel-3(Android 10)에서 벤치마킹했습니다. 정확성 수치는 TFLite 이미지 분류 평가 도구를 사용하여 계산했습니다.

객체 감지

물체 감지에 대한 자세한 내용은 물체 감지를 참조하세요. TensorFlow Lite 작업 라이브러리에서 단 몇 줄의 코드만으로 물체 감지 모델을 통합하는 방법에 대한 지침은 살펴보세요.

TensorFlow Hub에서 객체 감지 모델을 찾아보세요.

포즈 예측

포즈 예측에 대한 자세한 내용은 포즈 예측을 참조하세요.

TensorFlow Hub에서 포즈 예측 모델을 찾아보세요.

이미지 분할

이미지 분할에 대한 자세한 내용은 분할을 참조하세요. TensorFlow Lite 작업 라이브러리에서 단 몇 줄의 코드만으로 이미지 분할 모델을 통합하는 방법에 대한 지침을 살펴보세요.

TensorFlow Hub에서 이미지 분할 모델을 찾아보세요.

질문과 답변

MobileBERT를 이용한 질문과 답변에 대한 자세한 내용은 질문과 답변을 참조하세요. TensorFlow Lite 작업 라이브러리에서 몇 줄의 코드만으로 질문 및 답변 모델을 통합하는 방법에 대한 지침은 살펴보세요.

TensorFlow Hub에서 모바일 BERT 모델을 찾아보세요.

스마트 답장

스마트 답장에 대한 자세한 내용은 스마트 답장을 참조하세요.

TensorFlow Hub에서 스마트 답장 모델을 찾아보세요.