Barındırılan modeller

Aşağıda, TensorFlow Lite ile çalışmak üzere optimize edilmiş önceden eğitilmiş modellerin eksik bir listesi bulunmaktadır.

Bir model seçmeye başlamak için, uçtan uca örnekler içeren Modeller sayfasını ziyaret edin veya TensorFlow Hub'dan bir TensorFlow Lite modeli seçin .

Görüntü sınıflandırması

Görüntü sınıflandırması hakkında daha fazla bilgi için bkz. Görüntü sınıflandırması . Görüntü sınıflandırma modellerinin yalnızca birkaç satır kodla nasıl entegre edileceğiyle ilgili talimatlar için TensorFlow Lite Görev Kitaplığı'nı keşfedin.

Nicelleştirilmiş modeller

Nicelleştirilmiş görüntü sınıflandırma modelleri, doğruluk pahasına en küçük model boyutunu ve en hızlı performansı sunar. Performans değerleri, Android 10'da Pixel 3'te ölçülür.

TensorFlow Hub'dan birçok nicelleştirilmiş model bulabilir ve buradan daha fazla model bilgisi edinebilirsiniz.

Model adı Kağıt ve model Model boyutu İlk 1 doğruluk İlk 5 doğruluk CPU, 4 iş parçacığı NNAPI
Mobilenet_V1_0.25_128_quant kağıt , tflite & pb 0,5 Mb % 39,5 % 64.4 0,8 ms 2 ms
Mobilenet_V1_0.25_160_quant kağıt , tflite & pb 0,5 Mb % 42,8 % 68.1 1,3 ms 2,4 ms
Mobilenet_V1_0.25_192_quant kağıt , tflite & pb 0,5 Mb % 45.7 % 70,8 1,8 ms 2,6 ms
Mobilenet_V1_0.25_224_quant kağıt , tflite & pb 0,5 Mb % 48,2 % 72,8 2,3 ms 2,9 ms
Mobilenet_V1_0.50_128_quant kağıt , tflite & pb 1.4 Mb % 54.9 % 78.1 1,7 ms 2,6 ms
Mobilenet_V1_0.50_160_quant kağıt , tflite & pb 1.4 Mb % 57.2 % 80,5 2,6 ms 2,9 ms
Mobilenet_V1_0.50_192_quant kağıt , tflite & pb 1.4 Mb % 59.9 % 82.1 3,6 ms 3,3 ms
Mobilenet_V1_0.50_224_quant kağıt , tflite & pb 1.4 Mb % 61,2 % 83.2 4,7 ms 3,6 ms
Mobilenet_V1_0.75_128_quant kağıt , tflite & pb 2.6 Mb % 55.9 % 79.1 3,1 ms 3,2 ms
Mobilenet_V1_0.75_160_quant kağıt , tflite & pb 2.6 Mb % 62.4 % 83.7 4,7 ms 3,8 ms
Mobilenet_V1_0.75_192_quant kağıt , tflite & pb 2.6 Mb % 66.1 % 86,2 6,4 ms 4,2 ms
Mobilenet_V1_0.75_224_quant kağıt , tflite & pb 2.6 Mb % 66.9 % 86.9 8,5 ms 4,8 ms
Mobilenet_V1_1.0_128_quant kağıt , tflite & pb 4.3 Mb % 63.3 % 84.1 4,8 ms 3,8 ms
Mobilenet_V1_1.0_160_quant kağıt , tflite & pb 4.3 Mb % 66.9 % 86.7 7,3 ms 4,6 ms
Mobilenet_V1_1.0_192_quant kağıt , tflite & pb 4.3 Mb % 69.1 % 88.1 9,9 ms 5,2 ms
Mobilenet_V1_1.0_224_quant kağıt , tflite & pb 4.3 Mb % 70.0 % 89.0 13 ms 6,0 ms
Mobilenet_V2_1.0_224_quant kağıt , tflite & pb 3.4 Mb % 70,8 % 89.9 12 ms 6,9 ms
Inception_V1_quant kağıt , tflite & pb 6.4 Mb % 70.1 % 89.8 39 ms 36 ms
Inception_V2_quant kağıt , tflite & pb 11 Mb % 73.5 % 91.4 59 ms 18 ms
Inception_V3_quant kağıt , tflite & pb 23 Mb % 77,5 % 93.7 148 ms 74 ms
Inception_V4_quant kağıt , tflite & pb 41 Mb % 79.5 % 93.9 268 ms 155 ms

Kayan nokta modelleri

Kayan noktalı modeller, model boyutu ve performans pahasına en iyi doğruluğu sunar. GPU hızlandırma , kayan nokta modellerinin kullanılmasını gerektirir. Performans değerleri, Android 10'da Pixel 3'te ölçülür.

TensorFlow Hub'dan birçok görüntü sınıflandırma modeli bulabilir ve buradan daha fazla model bilgisi edinebilirsiniz.

Model adı Kağıt ve model Model boyutu İlk 1 doğruluk İlk 5 doğruluk CPU, 4 iş parçacığı GPU NNAPI
DenseNet kağıt , tflite & pb 43.6 Mb % 64,2 % 85.6 195 ms 60 ms 1656 ms
SqueezeNet kağıt , tflite & pb 5.0 Mb % 49.0 % 72.9 36 ms 9,5 ms 18,5 ms
NASNet mobil kağıt , tflite & pb 21.4 Mb % 73.9 % 91,5 56 ms --- 102 ms
NASNet büyük kağıt , tflite & pb 355,3 Mb % 82.6 % 96.1 1170 ms --- 648 ms
ResNet_V2_101 kağıt , tflite & pb 178.3 Mb % 76,8 % 93.6 526 ms 92 ms 1572 ms
Başlangıç_V3 kağıt , tflite & pb 95.3 Mb % 77.9 % 93,8 249 ms 56 ms 148 ms
Başlangıç_V4 kağıt , tflite & pb 170.7 Mb % 80.1 % 95.1 486 ms 93 ms 291 ms
Inception_ResNet_V2 kağıt , tflite & pb 121.0 Mb % 77,5 % 94.0 422 ms 100 ms 201 ms
Mobilenet_V1_0.25_128 kağıt , tflite & pb 1.9 Mb % 41.4 % 66,2 1,2 ms 1,6 ms 3 ms
Mobilenet_V1_0.25_160 kağıt , tflite & pb 1.9 Mb % 45.4 % 70,2 1,7 ms 1,7 ms 3,2 ms
Mobilenet_V1_0.25_192 kağıt , tflite & pb 1.9 Mb % 47.1 % 72.0 2,4 ms 1,8 ms 3,0 ms
Mobilenet_V1_0.25_224 kağıt , tflite & pb 1.9 Mb % 49.7 % 74.1 3,3 ms 1,8 ms 3,6 ms
Mobilenet_V1_0.50_128 kağıt , tflite & pb 5.3 Mb % 56,2 % 79.3 3,0 ms 1,7 ms 3,2 ms
Mobilenet_V1_0.50_160 kağıt , tflite & pb 5.3 Mb % 59.0 % 81,8 4,4 ms 2,0 ms 4,0 ms
Mobilenet_V1_0.50_192 kağıt , tflite & pb 5.3 Mb % 61.7 % 83.5 6,0 ms 2,5 ms 4,8 ms
Mobilenet_V1_0.50_224 kağıt , tflite & pb 5.3 Mb % 63.2 % 84.9 7,9 ms 2,8 ms 6,1 ms
Mobilenet_V1_0.75_128 kağıt , tflite & pb 10.3 Mb % 62.0 % 83,8 5,5 ms 2,6 ms 5,1 ms
Mobilenet_V1_0.75_160 kağıt , tflite & pb 10.3 Mb % 65.2 % 85.9 8,2 ms 3,1 ms 6,3 ms
Mobilenet_V1_0.75_192 kağıt , tflite & pb 10.3 Mb % 67.1 % 87.2 11,0 ms 4,5 ms 7,2 ms
Mobilenet_V1_0.75_224 kağıt , tflite & pb 10.3 Mb % 68.3 % 88.1 14,6 ms 4,9 ms 9,9 ms
Mobilenet_V1_1.0_128 kağıt , tflite & pb 16.9 Mb % 65.2 % 85.7 9,0 ms 4,4 ms 6,3 ms
Mobilenet_V1_1.0_160 kağıt , tflite & pb 16.9 Mb % 68.0 % 87.7 13,4 ms 5,0 ms 8,4 ms
Mobilenet_V1_1.0_192 kağıt , tflite & pb 16.9 Mb % 69.9 % 89.1 18,1 ms 6,3 ms 10,6 ms
Mobilenet_V1_1.0_224 kağıt , tflite & pb 16.9 Mb % 71.0 % 89.9 24.0 ms 6,5 ms 13,8 ms
Mobilenet_V2_1.0_224 kağıt , tflite & pb 14.0 Mb % 71,8 % 90.6 17,5 ms 6,2 ms 11,23 ms

AutoML mobil modelleri

Aşağıdaki görüntü sınıflandırma modelleri Cloud AutoML kullanılarak oluşturulmuştur. Performans değerleri, Android 10'da Pixel 3'te ölçülür.

Bu modelleri TensorFlow Hub'da bulabilir ve buradan daha fazla model bilgisi edinebilirsiniz.

Model adı Kağıt ve model Model boyutu İlk 1 doğruluk İlk 5 doğruluk CPU, 4 iş parçacığı GPU NNAPI
MnasNet_0.50_224 kağıt , tflite & pb 8.5 Mb % 68.03 % 87,79 9,5 ms 5,9 ms 16,6 ms
MnasNet_0.75_224 kağıt , tflite & pb 12 Mb % 71,72 % 90.17 13,7 ms 7,1 ms 16,7 ms
MnasNet_1.0_96 kağıt , tflite & pb 17 Mb % 62,33 % 83.98 5,6 ms 5,4 ms 12,1 ms
MnasNet_1.0_128 kağıt , tflite & pb 17 Mb % 67,32 % 87,70 7,5 ms 5,8 ms 12,9 ms
MnasNet_1.0_160 kağıt , tflite & pb 17 Mb % 70.63 % 89,58 11,1 ms 6,7 ms 14,2 ms
MnasNet_1.0_192 kağıt , tflite & pb 17 Mb % 72,56 % 90,76 14,5 ms 7,7 ms 16,6 ms
MnasNet_1.0_224 kağıt , tflite & pb 17 Mb % 74.08 % 91,75 19,4 ms 8,7 ms 19 ms
MnasNet_1.3_224 kağıt , tflite & pb 24 Mb % 75,24 % 92,55 27,9 ms 10,6 ms 22.0 ms

Nesne algılama

Nesne algılama hakkında daha fazla bilgi için bkz. Nesne algılama . Nesne algılama modellerinin yalnızca birkaç satır kodla nasıl entegre edileceğine ilişkin talimatlar için TensorFlow Lite Görev Kitaplığı'nı keşfedin.

Lütfen TensorFlow Hub'dan nesne algılama modellerini bulun.

Tahmin yap

Poz tahmini hakkında daha fazla bilgi için bkz. Poz tahmini .

Lütfen TensorFlow Hub'dan poz tahmin modellerini bulun.

Resim parçalama

Görüntü bölümleme hakkında daha fazla bilgi için bkz. Bölümleme . Görüntü segmentasyon modellerinin yalnızca birkaç satır kodla nasıl entegre edileceğiyle ilgili talimatlar için TensorFlow Lite Görev Kitaplığı'nı keşfedin.

Lütfen TensorFlow Hub'dan görüntü segmentasyon modellerini bulun.

Soru ve cevap

MobileBERT ile soru ve cevap hakkında daha fazla bilgi için bkz. Soru ve Cevap . Soru ve yanıt modellerinin yalnızca birkaç satır kodla nasıl entegre edileceğine ilişkin talimatlar için TensorFlow Lite Görev Kitaplığı'nı keşfedin.

Lütfen TensorFlow Hub'dan Mobil BERT modelini bulun.

Akıllı yanıt

Akıllı yanıt hakkında daha fazla bilgi için Akıllı yanıt bölümüne bakın.

Lütfen TensorFlow Hub'dan Akıllı Yanıt modelini bulun.