Vortrainierte Deep Learning-Modelle

Tipps zur Modellauswahl

Es steht eine umfangreiche Auswahl an vortrainierten Modellen zur Verfügung, wobei bei jedem Modell Kompromisse einzugehen sind:

• Größe: Wie viel Speicherplatz benötigt das Modell? 
  Die Größe des Netzes hängt von der endgültigen Position des Modells ab.
  Wenn Sie ein System mit wenig Speicherplatz bereitstellen möchten, wählen Sie ein speziell auf diese Anforderung abgestimmtes Modell. 
  Siehe Modelle für die Edge-Bereitstellung
• Genauigkeit: Wie gut ist das Modell vor dem Neutraining?
  Ein Modell, das für den ImageNet-Datensatz gut abschneidet, ist normalerweise ein Indiz dafür, dass es informative Merkmale erlernt hat und auch bei neuen, ähnlichen Aufgaben gut abschneiden könnte. 
  Modelle mit höherer Genauigkeit untersuchen
• Vorhersagegeschwindigkeit: Wie schnell kann das Modell neue Bilder vorhersagen?
  Während die Vorhersagegeschwindigkeit von vielen Faktoren abhängt, z. B. von der Hardware und der Stapelgröße, variiert auch die Geschwindigkeit je nach Architektur des gewählten Modells und der Größe des Modells.
  Vergleichen Sie zum Einstieg die Vorhersagegeschwindigkeiten mit einfachen Modellen.

Vergleichen Sie in den folgenden Abschnitten verschiedene Ansätze zwischen Modellen.