Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
PaddleX
提交
fe3d32d7
P
PaddleX
项目概览
PaddlePaddle
/
PaddleX
通知
136
Star
4
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
43
列表
看板
标记
里程碑
合并请求
5
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
PaddleX
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
43
Issue
43
列表
看板
标记
里程碑
合并请求
5
合并请求
5
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
fe3d32d7
编写于
5月 08, 2020
作者:
S
sunyanfang01
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
add ssld in docs
上级
a616ceee
变更
2
隐藏空白更改
内联
并排
Showing
2 changed file
with
26 addition
and
23 deletion
+26
-23
docs/apis/models.md
docs/apis/models.md
+1
-1
docs/model_zoo.md
docs/model_zoo.md
+25
-22
未找到文件。
docs/apis/models.md
浏览文件 @
fe3d32d7
...
@@ -75,7 +75,7 @@ paddlex.cls.ResNet50(num_classes=1000)
...
@@ -75,7 +75,7 @@ paddlex.cls.ResNet50(num_classes=1000)
### 其它分类器类
### 其它分类器类
除
`ResNet50`
外,
`paddlex.cls`
下还提供了
`ResNet18`
、
`ResNet34`
、
`ResNet101`
、
`ResNet50_vd`
、
`ResNet101_vd`
、
`
DarkNet53`
、
`MobileNetV1`
、
`MobileNetV2`
、
`MobileNetV3_small`
、
`MobileNetV3_large
`
、
`Xception41`
、
`Xception65`
、
`Xception71`
、
`ShuffleNetV2`
, 使用方式(包括函数接口和参数)均与
`ResNet50`
一致,各模型效果可参考
[
模型库
](
../model_zoo.md
)
中列表。
除
`ResNet50`
外,
`paddlex.cls`
下还提供了
`ResNet18`
、
`ResNet34`
、
`ResNet101`
、
`ResNet50_vd`
、
`ResNet101_vd`
、
`
ResNet50_vd_ssld`
、
`ResNet101_vd_ssld`
、
`DarkNet53`
、
`MobileNetV1`
、
`MobileNetV2`
、
`MobileNetV3_small`
、
`MobileNetV3_large`
、
`MobileNetV3_small_ssld`
、
`MobileNetV3_large_ssld
`
、
`Xception41`
、
`Xception65`
、
`Xception71`
、
`ShuffleNetV2`
, 使用方式(包括函数接口和参数)均与
`ResNet50`
一致,各模型效果可参考
[
模型库
](
../model_zoo.md
)
中列表。
...
...
docs/model_zoo.md
浏览文件 @
fe3d32d7
...
@@ -4,35 +4,38 @@
...
@@ -4,35 +4,38 @@
表中相关模型也可下载好作为相应模型的预训练模型,通过
`pretrain_weights`
指定目录加载使用。
表中相关模型也可下载好作为相应模型的预训练模型,通过
`pretrain_weights`
指定目录加载使用。
## 图像分类模型
## 图像分类模型
> 表中模型相关指标均为在ImageNet数据集上使用PaddlePaddle Python预测接口测试得到(测试GPU型号为Nvidia Tesla P4),预测速度为每张图片预测用时(不包括预处理和后处理),表中符号`-`表示相关指标暂未测试。
> 表中模型相关指标均为在ImageNet数据集上使用PaddlePaddle Python预测接口测试得到(测试GPU型号为Nvidia Tesla P4
0
),预测速度为每张图片预测用时(不包括预处理和后处理),表中符号`-`表示相关指标暂未测试。
| 模型 | 模型大小 | 预测速度(毫秒) | Top1准确率
| Top5准确率
|
| 模型 | 模型大小 | 预测速度(毫秒) | Top1准确率
(%) | Top5准确率(%)
|
| :----| :------- | :----------- | :--------- | :--------- |
| :----| :------- | :----------- | :--------- | :--------- |
| ResNet18| 46.9MB | 3.456 | 70.98% | 89.92% |
| ResNet18| 46.9MB | 1.499 | 71.0 | 89.9 |
| ResNet34| 87.5MB | 5.668 | 74.57% | 92.14% |
| ResNet34| 87.5MB | 2.272 | 74.6 | 92.1 |
| ResNet50| 102.7MB | 8.787 | 76.50% | 93.00% |
| ResNet50| 102.7MB | 2.939 | 76.5 | 93.0 |
| ResNet101 |179.1MB | 15.447 | 77.56% | 93.64% |
| ResNet101 |179.1MB | 5.314 | 77.6 | 93.6 |
| ResNet50_vd |102.8MB | 9.058 | 79.12% | 94.44% |
| ResNet50_vd |102.8MB | 3.165 | 79.1 | 94.4 |
| ResNet101_vd| 179.2MB | 15.685 | 80.17% | 94.97% |
| ResNet101_vd| 179.2MB | 5.252 | 80.2 | 95.0 |
| DarkNet53|166.9MB | 11.969 | 78.04% | 94.05% |
| ResNet50_vd_ssld |102.8MB | 3.165 | 82.4 | 96.1 |
| MobileNetV1 | 16.4MB | 2.609 | 70.99% | 89.68% |
| ResNet101_vd_ssld| 179.2MB | 5.252 | 83.7 | 96.7 |
| MobileNetV2 | 14.4MB | 4.546 | 72.15% | 90.65% |
| DarkNet53|166.9MB | 3.139 | 78.0 | 94.1 |
| MobileNetV3_large| 22.8MB | - | 75.3% | 75.3% |
| MobileNetV1 | 16.0MB | 32.523 | 71.0 | 89.7 |
| MobileNetV3_small | 12.5MB | 6.809 | 67.46% | 87.12% |
| MobileNetV2 | 14.0MB | 23.318 | 72.2 | 90.7 |
| Xception41 |92.4MB | 13.757 | 79.30% | 94.53% |
| MobileNetV3_large| 21.0MB | 19.308 | 75.3 | 93.2 |
| Xception65 | 144.6MB | 19.216 | 81.00% | 95.49% |
| MobileNetV3_small | 12.0MB | 6.546 | 68.2 | 88.1 |
| Xception71| 151.9MB | 23.291 | 81.11% | 95.45% |
| MobileNetV3_large_ssld| 21.0MB | 19.308 | 79.0 | 94.5 |
| DenseNet121 | 32.8MB | 12.437 | 75.66% | 92.58% |
| MobileNetV3_small_ssld | 12.0MB | 6.546 | 71.3 | 90.1 |
| DenseNet161|116.3MB | 27.717 | 78.57% | 94.14% |
| Xception41 |92.4MB | 4.408 | 79.6 | 94.4 |
| DenseNet201| 84.6MB | 26.583 | 77.63% | 93.66% |
| Xception65 | 144.6MB | 6.464 | 80.3 | 94.5 |
| ShuffleNetV2 | 10.2MB | 6.101 | 68.8% | 88.5% |
| DenseNet121 | 32.8MB | 4.371 | 75.7 | 92.6 |
| DenseNet161|116.3MB | 8.863 | 78.6 | 94.1 |
| DenseNet201| 84.6MB | 8.173 | 77.6 | 93.7 |
| ShuffleNetV2 | 9.0MB | 10.941 | 68.8 | 88.5 |
## 目标检测模型
## 目标检测模型
> 表中模型相关指标均为在MSCOCO数据集上使用PaddlePaddle Python预测接口测试得到(测试GPU型号为Nvidia Tesla V100测试得到,表中符号`-`表示相关指标暂未测试。
> 表中模型相关指标均为在MSCOCO数据集上使用PaddlePaddle Python预测接口测试得到(测试GPU型号为Nvidia Tesla V100测试得到,表中符号`-`表示相关指标暂未测试。
| 模型 | 模型大小 | 预测时间(毫秒) | BoxAP |
| 模型 | 模型大小 | 预测时间(毫秒) | BoxAP
(%)
|
|:-------|:-----------|:-------------|:----------|
|:-------|:-----------|:-------------|:----------|
|FasterRCNN-ResNet50|135.6MB| 78.450 | 35.2 |
|FasterRCNN-ResNet50|135.6MB| 78.450 | 35.2 |
|FasterRCNN-ResNet50_vd| 135.7MB | 79.523 | 36.4 |
|FasterRCNN-ResNet50_vd| 135.7MB | 79.523 | 36.4 |
...
@@ -50,7 +53,7 @@
...
@@ -50,7 +53,7 @@
> 表中模型相关指标均为在MSCOCO数据集上测试得到。
> 表中模型相关指标均为在MSCOCO数据集上测试得到。
| 模型 |模型大小 | 预测时间(毫秒) | BoxAP | SegAP |
| 模型 |模型大小 | 预测时间(毫秒) | BoxAP | SegAP
(%)
|
|:---------|:---------|:----------|:---------|:--------|
|:---------|:---------|:----------|:---------|:--------|
|MaskRCNN-ResNet50|51.2MB| 86.096 | 36.5 |32.2|
|MaskRCNN-ResNet50|51.2MB| 86.096 | 36.5 |32.2|
|MaskRCNN-ResNet50-FPN|184.6MB | 65.859 | 37.9 |34.2|
|MaskRCNN-ResNet50-FPN|184.6MB | 65.859 | 37.9 |34.2|
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录