目录

  • ImageNet预训练模型库
    • 模型库概览图
    • SSLD知识蒸馏预训练模型
    • ResNet 及其 Vd 系列
    • 移动端系列
    • SEResNeXt与Res2Net系列
    • DPN 与 DenseNet 系列
    • HRNet系列
    • Inception系列
    • EfficientNet与ResNeXt101_wsl系列
    • ResNeSt 与 RegNet 系列
    • ViT_and_DeiT 系列
    • RepVGG系列
    • MixNet系列
    • ReXNet系列
    • SwinTransformer系列
    • LeViT系列
    • Twins系列
    • HarDNet系列
    • DLA系列
    • RedNet系列
    • TNT系列
    • 其他模型

ImageNet预训练模型库

模型库概览图

基于 ImageNet1k 分类数据集，PaddleClas 支持 35 个系列分类网络结构以及对应的 164 个图像分类预训练模型，训练技巧、每个系列网络结构的简单介绍和性能评估将在相应章节展现，下面所有的速度指标评估环境如下：

  • CPU的评估环境基于骁龙855（SD855）。
  • GPU评估环境基于 T4 机器，在 FP32+TensorRT 配置下运行 500 次测得（去除前10次的 warmup 时间）。

SSLD知识蒸馏预训练模型

基于 SSLD 知识蒸馏的预训练模型列表如下所示，更多关于SSLD知识蒸馏方案的介绍可以参考：之后增加的SSLD知识蒸馏文档。

  • 服务器端知识蒸馏模型
模型 Top-1 Acc Reference
Top-1 Acc 		Acc gain time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
ResNet34_vd_ssld 0.797 0.760 0.037 2.434 6.222 7.39 21.82 下载链接
ResNet50_vd_
ssld 		0.830 0.792 0.039 3.531 8.090 8.67 25.58 下载链接
ResNet101_vd_
ssld 		0.837 0.802 0.035 6.117 13.762 16.1 44.57 下载链接
Res2Net50_vd_
26w_4s_ssld 		0.831 0.798 0.033 4.527 9.657 8.37 25.06 下载链接
Res2Net101_vd_
26w_4s_ssld 		0.839 0.806 0.033 8.087 17.312 16.67 45.22 下载链接
Res2Net200_vd_
26w_4s_ssld 		0.851 0.812 0.049 14.678 32.350 31.49 76.21 下载链接
HRNet_W18_C_ssld 0.812 0.769 0.043 7.406 13.297 4.14 21.29 下载链接
HRNet_W48_C_ssld 0.836 0.790 0.046 13.707 34.435 34.58 77.47 下载链接
SE_HRNet_W64_C_ssld 0.848 - - 31.697 94.995 57.83 128.97 下载链接
  • 端侧知识蒸馏模型
模型 Top-1 Acc Reference
Top-1 Acc 		Acc gain SD855 time(ms)
bs=1 		Flops(G) Params(M) 模型大小(M) 下载地址
MobileNetV1_
ssld 		0.779 0.710 0.069 32.523 1.11 4.19 16 下载链接
MobileNetV2_
ssld 		0.767 0.722 0.045 23.318 0.6 3.44 14 下载链接
MobileNetV3_
small_x0_35_ssld 		0.556 0.530 0.026 2.635 0.026 1.66 6.9 下载链接
MobileNetV3_
large_x1_0_ssld 		0.790 0.753 0.036 19.308 0.45 5.47 21 下载链接
MobileNetV3_small_
x1_0_ssld 		0.713 0.682 0.031 6.546 0.123 2.94 12 下载链接
GhostNet_
x1_3_ssld 		0.794 0.757 0.037 19.983 0.44 7.3 29 下载链接
  • 注: Reference Top-1 Acc表示 PaddleClas 基于 ImageNet1k 数据集训练得到的预训练模型精度。

ResNet 及其 Vd 系列

ResNet及其Vd系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：ResNet及其Vd系列模型文档。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
ResNet18 0.7098 0.8992 1.45606 3.56305 3.66 11.69 下载链接
ResNet18_vd 0.7226 0.9080 1.54557 3.85363 4.14 11.71 下载链接
ResNet34 0.7457 0.9214 2.34957 5.89821 7.36 21.8 下载链接
ResNet34_vd 0.7598 0.9298 2.43427 6.22257 7.39 21.82 下载链接
ResNet34_vd_ssld 0.7972 0.9490 2.43427 6.22257 7.39 21.82 下载链接
ResNet50 0.7650 0.9300 3.47712 7.84421 8.19 25.56 下载链接
ResNet50_vc 0.7835 0.9403 3.52346 8.10725 8.67 25.58 下载链接
ResNet50_vd 0.7912 0.9444 3.53131 8.09057 8.67 25.58 下载链接
ResNet101 0.7756 0.9364 6.07125 13.40573 15.52 44.55 下载链接
ResNet101_vd 0.8017 0.9497 6.11704 13.76222 16.1 44.57 下载链接
ResNet152 0.7826 0.9396 8.50198 19.17073 23.05 60.19 下载链接
ResNet152_vd 0.8059 0.9530 8.54376 19.52157 23.53 60.21 下载链接
ResNet200_vd 0.8093 0.9533 10.80619 25.01731 30.53 74.74 下载链接
ResNet50_vd_
ssld 		0.8300 0.9640 3.53131 8.09057 8.67 25.58 下载链接
ResNet101_vd_
ssld 		0.8373 0.9669 6.11704 13.76222 16.1 44.57 下载链接

移动端系列

移动端系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc SD855 time(ms)
bs=1 		Flops(G) Params(M) 模型大小(M) 下载地址
MobileNetV1_
x0_25 		0.5143 0.7546 3.21985 0.07 0.46 1.9 下载链接
MobileNetV1_
x0_5 		0.6352 0.8473 9.579599 0.28 1.31 5.2 下载链接
MobileNetV1_
x0_75 		0.6881 0.8823 19.436399 0.63 2.55 10 下载链接
MobileNetV1 0.7099 0.8968 32.523048 1.11 4.19 16 下载链接
MobileNetV1_
ssld 		0.7789 0.9394 32.523048 1.11 4.19 16 下载链接
MobileNetV2_
x0_25 		0.5321 0.7652 3.79925 0.05 1.5 6.1 下载链接
MobileNetV2_
x0_5 		0.6503 0.8572 8.7021 0.17 1.93 7.8 下载链接
MobileNetV2_
x0_75 		0.6983 0.8901 15.531351 0.35 2.58 10 下载链接
MobileNetV2 0.7215 0.9065 23.317699 0.6 3.44 14 下载链接
MobileNetV2_
x1_5 		0.7412 0.9167 45.623848 1.32 6.76 26 下载链接
MobileNetV2_
x2_0 		0.7523 0.9258 74.291649 2.32 11.13 43 下载链接
MobileNetV2_
ssld 		0.7674 0.9339 23.317699 0.6 3.44 14 下载链接
MobileNetV3_
large_x1_25 		0.7641 0.9295 28.217701 0.714 7.44 29 下载链接
MobileNetV3_
large_x1_0 		0.7532 0.9231 19.30835 0.45 5.47 21 下载链接
MobileNetV3_
large_x0_75 		0.7314 0.9108 13.5646 0.296 3.91 16 下载链接
MobileNetV3_
large_x0_5 		0.6924 0.8852 7.49315 0.138 2.67 11 下载链接
MobileNetV3_
large_x0_35 		0.6432 0.8546 5.13695 0.077 2.1 8.6 下载链接
MobileNetV3_
small_x1_25 		0.7067 0.8951 9.2745 0.195 3.62 14 下载链接
MobileNetV3_
small_x1_0 		0.6824 0.8806 6.5463 0.123 2.94 12 下载链接
MobileNetV3_
small_x0_75 		0.6602 0.8633 5.28435 0.088 2.37 9.6 下载链接
MobileNetV3_
small_x0_5 		0.5921 0.8152 3.35165 0.043 1.9 7.8 下载链接
MobileNetV3_
small_x0_35 		0.5303 0.7637 2.6352 0.026 1.66 6.9 下载链接
MobileNetV3_
small_x0_35_ssld 		0.5555 0.7771 2.6352 0.026 1.66 6.9 下载链接
MobileNetV3_
large_x1_0_ssld 		0.7896 0.9448 19.30835 0.45 5.47 21 下载链接
MobileNetV3_small_
x1_0_ssld 		0.7129 0.9010 6.5463 0.123 2.94 12 下载链接
ShuffleNetV2 0.6880 0.8845 10.941 0.28 2.26 9 下载链接
ShuffleNetV2_
x0_25 		0.4990 0.7379 2.329 0.03 0.6 2.7 下载链接
ShuffleNetV2_
x0_33 		0.5373 0.7705 2.64335 0.04 0.64 2.8 下载链接
ShuffleNetV2_
x0_5 		0.6032 0.8226 4.2613 0.08 1.36 5.6 下载链接
ShuffleNetV2_
x1_5 		0.7163 0.9015 19.3522 0.58 3.47 14 下载链接
ShuffleNetV2_
x2_0 		0.7315 0.9120 34.770149 1.12 7.32 28 下载链接
ShuffleNetV2_
swish 		0.7003 0.8917 16.023151 0.29 2.26 9.1 下载链接
GhostNet_
x0_5 		0.6688 0.8695 5.7143 0.082 2.6 10 下载链接
GhostNet_
x1_0 		0.7402 0.9165 13.5587 0.294 5.2 20 下载链接
GhostNet_
x1_3 		0.7579 0.9254 19.9825 0.44 7.3 29 下载链接
GhostNet_
x1_3_ssld 		0.7938 0.9449 19.9825 0.44 7.3 29 下载链接

SEResNeXt与Res2Net系列

SEResNeXt 与 Res2Net 系列模型的精度、速度指标如下表所示，。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
Res2Net50_
26w_4s 		0.7933 0.9457 4.47188 9.65722 8.52 25.7 下载链接
Res2Net50_vd_
26w_4s 		0.7975 0.9491 4.52712 9.93247 8.37 25.06 下载链接
Res2Net50_
14w_8s 		0.7946 0.9470 5.4026 10.60273 9.01 25.72 下载链接
Res2Net101_vd_
26w_4s 		0.8064 0.9522 8.08729 17.31208 16.67 45.22 下载链接
Res2Net200_vd_
26w_4s 		0.8121 0.9571 14.67806 32.35032 31.49 76.21 下载链接
Res2Net200_vd_
26w_4s_ssld 		0.8513 0.9742 14.67806 32.35032 31.49 76.21 下载链接
ResNeXt50_
32x4d 		0.7775 0.9382 7.56327 10.6134 8.02 23.64 下载链接
ResNeXt50_vd_
32x4d 		0.7956 0.9462 7.62044 11.03385 8.5 23.66 下载链接
ResNeXt50_
64x4d 		0.7843 0.9413 13.80962 18.4712 15.06 42.36 下载链接
ResNeXt50_vd_
64x4d 		0.8012 0.9486 13.94449 18.88759 15.54 42.38 下载链接
ResNeXt101_
32x4d 		0.7865 0.9419 16.21503 19.96568 15.01 41.54 下载链接
ResNeXt101_vd_
32x4d 		0.8033 0.9512 16.28103 20.25611 15.49 41.56 下载链接
ResNeXt101_
64x4d 		0.7835 0.9452 30.4788 36.29801 29.05 78.12 下载链接
ResNeXt101_vd_
64x4d 		0.8078 0.9520 30.40456 36.77324 29.53 78.14 下载链接
ResNeXt152_
32x4d 		0.7898 0.9433 24.86299 29.36764 22.01 56.28 下载链接
ResNeXt152_vd_
32x4d 		0.8072 0.9520 25.03258 30.08987 22.49 56.3 下载链接
ResNeXt152_
64x4d 		0.7951 0.9471 46.7564 56.34108 43.03 107.57 下载链接
ResNeXt152_vd_
64x4d 		0.8108 0.9534 47.18638 57.16257 43.52 107.59 下载链接
SE_ResNet18_vd 0.7333 0.9138 1.7691 4.19877 4.14 11.8 下载链接
SE_ResNet34_vd 0.7651 0.9320 2.88559 7.03291 7.84 21.98 下载链接
SE_ResNet50_vd 0.7952 0.9475 4.28393 10.38846 8.67 28.09 下载链接
SE_ResNeXt50_
32x4d 		0.7844 0.9396 8.74121 13.563 8.02 26.16 下载链接
SE_ResNeXt50_vd_
32x4d 		0.8024 0.9489 9.17134 14.76192 10.76 26.28 下载链接
SE_ResNeXt101_
32x4d 		0.7939 0.9443 18.82604 25.31814 15.02 46.28 下载链接
SENet154_vd 0.8140 0.9548 53.79794 66.31684 45.83 114.29 下载链接

DPN 与 DenseNet 系列

DPN 与 DenseNet 系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
DenseNet121 0.7566 0.9258 4.40447 9.32623 5.69 7.98 下载链接
DenseNet161 0.7857 0.9414 10.39152 22.15555 15.49 28.68 下载链接
DenseNet169 0.7681 0.9331 6.43598 12.98832 6.74 14.15 下载链接
DenseNet201 0.7763 0.9366 8.20652 17.45838 8.61 20.01 下载链接
DenseNet264 0.7796 0.9385 12.14722 26.27707 11.54 33.37 下载链接
DPN68 0.7678 0.9343 11.64915 12.82807 4.03 10.78 下载链接
DPN92 0.7985 0.9480 18.15746 23.87545 12.54 36.29 下载链接
DPN98 0.8059 0.9510 21.18196 33.23925 22.22 58.46 下载链接
DPN107 0.8089 0.9532 27.62046 52.65353 35.06 82.97 下载链接
DPN131 0.8070 0.9514 28.33119 46.19439 30.51 75.36 下载链接

HRNet系列

HRNet系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
HRNet_W18_C 0.7692 0.9339 7.40636 13.29752 4.14 21.29 下载链接
HRNet_W18_C_ssld 0.81162 0.95804 7.40636 13.29752 4.14 21.29 下载链接
HRNet_W30_C 0.7804 0.9402 9.57594 17.35485 16.23 37.71 下载链接
HRNet_W32_C 0.7828 0.9424 9.49807 17.72921 17.86 41.23 下载链接
HRNet_W40_C 0.7877 0.9447 12.12202 25.68184 25.41 57.55 下载链接
HRNet_W44_C 0.7900 0.9451 13.19858 32.25202 29.79 67.06 下载链接
HRNet_W48_C 0.7895 0.9442 13.70761 34.43572 34.58 77.47 下载链接
HRNet_W48_C_ssld 0.8363 0.9682 13.70761 34.43572 34.58 77.47 下载链接
HRNet_W64_C 0.7930 0.9461 17.57527 47.9533 57.83 128.06 下载链接
SE_HRNet_W64_C_ssld 0.8475 0.9726 31.69770 94.99546 57.83 128.97 下载链接

Inception系列

Inception 系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
GoogLeNet 0.7070 0.8966 1.88038 4.48882 2.88 8.46 下载链接
Xception41 0.7930 0.9453 4.96939 17.01361 16.74 22.69 下载链接
Xception41_deeplab 0.7955 0.9438 5.33541 17.55938 18.16 26.73 下载链接
Xception65 0.8100 0.9549 7.26158 25.88778 25.95 35.48 下载链接
Xception65_deeplab 0.8032 0.9449 7.60208 26.03699 27.37 39.52 下载链接
Xception71 0.8111 0.9545 8.72457 31.55549 31.77 37.28 下载链接
InceptionV3 0.7914 0.9459 6.64054 13.53630 11.46 23.83 下载链接
InceptionV4 0.8077 0.9526 12.99342 25.23416 24.57 42.68 下载链接

EfficientNet与ResNeXt101_wsl系列

EfficientNet 与 ResNeXt101_wsl 系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
ResNeXt101_
32x8d_wsl 		0.8255 0.9674 18.52528 34.25319 29.14 78.44 下载链接
ResNeXt101_
32x16d_wsl 		0.8424 0.9726 25.60395 71.88384 57.55 152.66 下载链接
ResNeXt101_
32x32d_wsl 		0.8497 0.9759 54.87396 160.04337 115.17 303.11 下载链接
ResNeXt101_
32x48d_wsl 		0.8537 0.9769 99.01698256 315.91261 173.58 456.2 下载链接
Fix_ResNeXt101_
32x48d_wsl 		0.8626 0.9797 160.0838242 595.99296 354.23 456.2 下载链接
EfficientNetB0 0.7738 0.9331 3.442 6.11476 0.72 5.1 下载链接
EfficientNetB1 0.7915 0.9441 5.3322 9.41795 1.27 7.52 下载链接
EfficientNetB2 0.7985 0.9474 6.29351 10.95702 1.85 8.81 下载链接
EfficientNetB3 0.8115 0.9541 7.67749 16.53288 3.43 11.84 下载链接
EfficientNetB4 0.8285 0.9623 12.15894 30.94567 8.29 18.76 下载链接
EfficientNetB5 0.8362 0.9672 20.48571 61.60252 19.51 29.61 下载链接
EfficientNetB6 0.8400 0.9688 32.62402 - 36.27 42 下载链接
EfficientNetB7 0.8430 0.9689 53.93823 - 72.35 64.92 下载链接
EfficientNetB0_
small 		0.7580 0.9258 2.3076 4.71886 0.72 4.65 下载链接

ResNeSt 与 RegNet 系列

ResNeSt 与 RegNet 系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
ResNeSt50_
fast_1s1x64d 		0.8035 0.9528 3.45405 8.72680 8.68 26.3 下载链接
ResNeSt50 0.8083 0.9542 6.69042 8.01664 10.78 27.5 下载链接
RegNetX_4GF 0.785 0.9416 6.46478 11.19862 8 22.1 下载链接

ViT_and_DeiT 系列

ViT（Vision Transformer）与 DeiT（Data-efficient Image Transformers）系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
ViT_small_
patch16_224 		0.7769 0.9342 - - 下载链接
ViT_base_
patch16_224 		0.8195 0.9617 - - 86 下载链接
ViT_base_
patch16_384 		0.8414 0.9717 - - 下载链接
ViT_base_
patch32_384 		0.8176 0.9613 - - 下载链接
ViT_large_
patch16_224 		0.8323 0.9650 - - 307 下载链接
ViT_large_
patch16_384 		0.8513 0.9736 - - 下载链接
ViT_large_
patch32_384 		0.8153 0.9608 - - 下载链接
模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
DeiT_tiny_
patch16_224 		0.718 0.910 - - 5 下载链接
DeiT_small_
patch16_224 		0.796 0.949 - - 22 下载链接
DeiT_base_
patch16_224 		0.817 0.957 - - 86 下载链接
DeiT_base_
patch16_384 		0.830 0.962 - - 87 下载链接
DeiT_tiny_
distilled_patch16_224 		0.741 0.918 - - 6 下载链接
DeiT_small_
distilled_patch16_224 		0.809 0.953 - - 22 下载链接
DeiT_base_
distilled_patch16_224 		0.831 0.964 - - 87 下载链接
DeiT_base_
distilled_patch16_384 		0.851 0.973 - - 88 下载链接

RepVGG系列

关于RepVGG系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
RepVGG_A0 0.7131 0.9016 下载链接
RepVGG_A1 0.7380 0.9146 下载链接
RepVGG_A2 0.7571 0.9264 下载链接
RepVGG_B0 0.7450 0.9213 下载链接
RepVGG_B1 0.7773 0.9385 下载链接
RepVGG_B2 0.7813 0.9410 下载链接
RepVGG_B1g2 0.7732 0.9359 下载链接
RepVGG_B1g4 0.7675 0.9335 下载链接
RepVGG_B2g4 0.7881 0.9448 下载链接
RepVGG_B3g4 0.7965 0.9485 下载链接

MixNet系列

关于MixNet系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(M) Params(M) 下载地址
MixNet_S 0.7628 0.9299 252.977 4.167 下载链接
MixNet_M 0.7767 0.9364 357.119 5.065 下载链接
MixNet_L 0.7860 0.9437 579.017 7.384 下载链接

ReXNet系列

关于ReXNet系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
ReXNet_1_0 0.7746 0.9370 0.415 4.838 下载链接
ReXNet_1_3 0.7913 0.9464 0.683 7.611 下载链接
ReXNet_1_5 0.8006 0.9512 0.900 9.791 下载链接
ReXNet_2_0 0.8122 0.9536 1.561 16.449 下载链接
ReXNet_3_0 0.8209 0.9612 3.445 34.833 下载链接

SwinTransformer系列

关于 SwinTransformer 系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
SwinTransformer_tiny_patch4_window7_224 0.8069 0.9534 4.5 28 下载链接
SwinTransformer_small_patch4_window7_224 0.8275 0.9613 8.7 50 下载链接
SwinTransformer_base_patch4_window7_224 0.8300 0.9626 15.4 88 下载链接
SwinTransformer_base_patch4_window12_384 0.8439 0.9693 47.1 88 下载链接
SwinTransformer_base_patch4_window7_224[1] 0.8487 0.9746 15.4 88 下载链接
SwinTransformer_base_patch4_window12_384[1] 0.8642 0.9807 47.1 88 下载链接
SwinTransformer_large_patch4_window7_224[1] 0.8596 0.9783 34.5 197 下载链接
SwinTransformer_large_patch4_window12_384[1] 0.8719 0.9823 103.9 197 下载链接
  • [1]：基于ImageNet22k数据集预训练，然后在ImageNet1k数据集迁移学习得到。

LeViT系列

关于 LeViT 系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(M) Params(M) 下载地址
LeViT_128S 0.7598 0.9269 305 7.8 下载链接
LeViT_128 0.7810 0.9371 406 9.2 下载链接
LeViT_192 0.7934 0.9446 658 11 下载链接
LeViT_256 0.8085 0.9497 1120 19 下载链接
LeViT_384 0.8191 0.9551 2353 39 下载链接

注：与 Reference 的精度差异源于数据预处理不同及未使用蒸馏的 head 作为输出。

Twins系列

关于 Twins 系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
pcpvt_small 0.8082 0.9552 3.7 24.1 下载链接
pcpvt_base 0.8242 0.9619 6.4 43.8 下载链接
pcpvt_large 0.8273 0.9650 9.5 60.9 下载链接
alt_gvt_small 0.8140 0.9546 2.8 24 下载链接
alt_gvt_base 0.8294 0.9621 8.3 56 下载链接
alt_gvt_large 0.8331 0.9642 14.8 99.2 下载链接

注：与 Reference 的精度差异源于数据预处理不同。

HarDNet系列

关于HarDNet系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
HarDNet39_ds 0.7133 0.8998 0.4 3.5 下载链接
HarDNet68_ds 0.7362 0.9152 0.8 4.2 下载链接
HarDNet68 0.7546 0.9265 4.3 17.6 下载链接
HarDNet85 0.7744 0.9355 9.1 36.7 下载链接

DLA系列

关于 DLA 系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
DLA102 0.7893 0.9452 7.2 33.3 下载链接
DLA102x2 0.7885 0.9445 9.3 41.4 下载链接
DLA102x 0.781 0.9400 5.9 26.4 下载链接
DLA169 0.7809 0.9409 11.6 53.5 下载链接
DLA34 0.7603 0.9298 3.1 15.8 下载链接
DLA46_c 0.6321 0.853 0.5 1.3 下载链接
DLA60 0.7610 0.9292 4.2 22.0 下载链接
DLA60x_c 0.6645 0.8754 0.6 1.3 下载链接
DLA60x 0.7753 0.9378 3.5 17.4 下载链接

RedNet系列

关于 RedNet 系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
RedNet26 0.7595 0.9319 1.7 9.2 下载链接
RedNet38 0.7747 0.9356 2.2 12.4 下载链接
RedNet50 0.7833 0.9417 2.7 15.5 下载链接
RedNet101 0.7894 0.9436 4.7 25.7 下载链接
RedNet152 0.7917 0.9440 6.8 34.0 下载链接

TNT系列

关于 TNT 系列模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
TNT_small 0.8121 0.9563 5.2 23.8 下载链接

注：TNT模型的数据预处理部分NormalizeImage中的mean与std均为0.5。

其他模型

关于 AlexNet、SqueezeNet 系列、VGG 系列、DarkNet53 等模型的精度、速度指标如下表所示。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) 下载地址
AlexNet 0.567 0.792 1.44993 2.46696 1.370 61.090 下载链接
SqueezeNet1_0 0.596 0.817 0.96736 2.53221 1.550 1.240 下载链接
SqueezeNet1_1 0.601 0.819 0.76032 1.877 0.690 1.230 下载链接
VGG11 0.693 0.891 3.90412 9.51147 15.090 132.850 下载链接
VGG13 0.700 0.894 4.64684 12.61558 22.480 133.030 下载链接
VGG16 0.720 0.907 5.61769 16.40064 30.810 138.340 下载链接
VGG19 0.726 0.909 6.65221 20.4334 39.130 143.650 下载链接
DarkNet53 0.780 0.941 4.10829 12.1714 18.580 41.600 下载链接

『paddle』paddleclas 学习笔记：分类预训练模型选择相关推荐

  1. 『ES6』ES6 - 学习笔记

    比较 var 和 let 关键字的作用域 使用 var 关键字声明变量时,它是全局声明的,如果在函数内部声明则是局部声明的. let 关键字的行为类似,但有一些额外的功能. 在代码块.语句或表达式中使 ...

  2. HALCON 21.11：深度学习笔记---分类(10)

    HALCON 21.11:深度学习笔记---分类(10) HALCON 21.11.0.0中,实现了深度学习方法. 本章介绍了如何在训练和推理阶段使用基于深度学习的分类. 基于深度学习的分类是一种对一 ...

  3. 多模态模型学习1——CLIP对比学习 语言-图像预训练模型

    多模态模型学习1--CLIP对比学习 语言-图像预训练模型 学习前言 什么是CLIP模型 代码下载 CLIP实现思路 一.网络结构介绍 1.Image Encoder a.Patch+Position ...

  4. 正则表达式学习笔记009--大括号与选择符的认识与应用

    正则表达式学习笔记009--大括号与选择符的认识与应用 交流群1:251572072 交流群2:170933152 |  选择符 {n}前面的元素字符出现了n次 {n,}前面的元素字符最少出现n次,n ...

  5. 深度学习之openvino预训练模型测试（车牌识别）

    0 背景 在上一篇文章<深度学习之openvino预训练模型测试>,我们介绍了如何使用 intel 提供的预训练模型完成语义分割任务.但在用 public 预训练模型时,发现我的 open ...

  6. 23个系列分类网络，10万分类预训练模型，这是飞桨PaddleClas百宝箱

    如何训练出优秀的图像分类模型?飞桨图像分类套件 PaddleClas 来助力. 今天咱们来聊聊计算机视觉领域最核心的技术之一--图像分类.顾名思义图像分类是指根据图像信息把不同类别的图像自动区分开来, ...

  7. Paddle加载NLP的各类预训练模型方法总结(以文本分类任务为例，包含完整代码)

    一.Introduction 最近宅在家,有空只能搞搞NLP的比赛.由于缺乏GPU的加持,只好白嫖百度的AI Studio(毕竟人家提供免费的Tesla V100).在此不得不赞扬一下优秀的国产深度学 ...

  8. 方舟编译器学习笔记分类与导读

    方舟学习笔记系列,从方舟开源到现在,已经写了50多篇,保证了每天一篇的更新频率.篇数增加之后,文章的分类以及文章之间的关系,逐渐变得复杂起来.本文将对已发表的学习笔记系列进行分类和导读,方便读者更好的 ...

  9. OpenAI打破文本和图像次元壁，提出基于对比学习的多模态预训练模型CLIP

    OpenAI 打破了自然语言与视觉的次元壁,推出了一个连接文本与图像的神经网络模型CLIP. 相关资料 CLIP原论文:Radford et al. Learning transferable vis ...

最新文章

  1. XenDesktop中无法删除虚拟机
  2. selenium webdriver之eclipse java开发环境搭建
  3. 华人小哥开发“CG工坊”，帮你快速入门计算机图形学 | GitHub热榜
  4. java调试jdk源码_JDK源码调试
  5. mac java sh_怎么在Mac上下载java?
  6. matplotlib图表介绍
  7. 第一个程序 快速编译链接的办法
  8. 数据科学 IPython 笔记本 8.5 简单的散点图
  9. Redis 的 string
  10. Linux中移动，复制，删除，打包排除某个目录或文件
  11. python发音1001python发音-python——字符串问题总结
  12. jQuery 学习笔记之十 (jQuery ajax )
  13. 电子罗盘简单介绍和应用
  14. 微信8.0下载（可抓包）
  15. Android 仿微博客户端 ViewPaper
  16. 【190222】VC++ 社区视频监控系统源代码
  17. 吴裕雄--天生自然 高等数学学习：斯托克斯公式、环流量与旋度
  18. 2022 开源轮子学习笔记
  19. vue—维持登录状态
  20. R | 可视化 | 气泡图（Bubble Plot）

热门文章

  1. 产品分型面、插靠破、潜水进胶注意事项！
  2. YunEngine SDK已经开始发放了！！！
  3. WPF入门教程系列（2）---基础篇
  4. 为什么不建议使用免费的IP代理？
  5. Thinking Everyday V: 在有微博之前
  6. linux断电并重启命令,Linux系统关机重启相关命令
  7. 理解Session State模式+FAQ [翻译]
  8. html转pdf文件下载之最合理的方法支持中文
  9. DCB改正——关于spp
  10. JavaScript实现在线进制转换工具网站 -toolfk程序员工具网