T

Test Model

由mchochowski開發
ResNet50 v1.5 是原始 ResNet50 v1 模型的改進版本,通過調整卷積步幅提升了約 0.5% 的 top1 準確率。
下載量 18
發布時間 : 3/2/2022

模型概述

該模型是基於 ResNet 架構的圖像分類模型,主要用於對圖像進行分類任務。

模型特點

改進的卷積步幅
在需要下采樣的瓶頸塊中,v1.5 在 3x3 卷積中設置步幅 = 2,相比 v1 提升了約 0.5% 的 top1 準確率。
混合精度訓練
支持混合精度訓練,利用 Volta、Turing 和 NVIDIA Ampere GPU 架構的 Tensor Core 加速,訓練速度提升 2 倍以上。
多後端部署
支持通過 TorchScript、ONNX Runtime 或 TensorRT 作為後端,部署在 NVIDIA Triton 推理服務器上進行推理。

模型能力

圖像分類
高精度推理
支持 GPU 加速

使用案例

圖像識別
動物識別
識別圖像中的動物種類,如老虎、貓等。
高準確率的分類結果
物體識別
識別日常物體,如茶壺、傢俱等。
高準確率的分類結果
場景識別
識別建築或自然場景,如宮殿、森林等。
高準確率的分類結果
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase