T

Test Model

由 mchochowski 开发
ResNet50 v1.5 是原始 ResNet50 v1 模型的改进版本,通过调整卷积步幅提升了约 0.5% 的 top1 准确率。
下载量 18
发布时间 : 3/2/2022

模型简介

该模型是基于 ResNet 架构的图像分类模型,主要用于对图像进行分类任务。

模型特点

改进的卷积步幅
在需要下采样的瓶颈块中,v1.5 在 3x3 卷积中设置步幅 = 2,相比 v1 提升了约 0.5% 的 top1 准确率。
混合精度训练
支持混合精度训练,利用 Volta、Turing 和 NVIDIA Ampere GPU 架构的 Tensor Core 加速,训练速度提升 2 倍以上。
多后端部署
支持通过 TorchScript、ONNX Runtime 或 TensorRT 作为后端,部署在 NVIDIA Triton 推理服务器上进行推理。

模型能力

图像分类
高精度推理
支持 GPU 加速

使用案例

图像识别
动物识别
识别图像中的动物种类,如老虎、猫等。
高准确率的分类结果
物体识别
识别日常物体,如茶壶、家具等。
高准确率的分类结果
场景识别
识别建筑或自然场景,如宫殿、森林等。
高准确率的分类结果
AIbase
智启未来,您的人工智能解决方案智库
简体中文