作者：溫利武? ? 班級(jí)：1402019? ? ? 學(xué)號(hào)：14020199041
【嵌牛導(dǎo)讀】：近年來，深入學(xué)習(xí)推動(dòng)了計(jì)算機(jī)視覺領(lǐng)域的巨大進(jìn)步，神經(jīng)網(wǎng)絡(luò)反復(fù)推動(dòng)了視覺識(shí)別技術(shù)的發(fā)展。雖然通過Cloud Vision API為互聯(lián)網(wǎng)連接的設(shè)備提供諸如對(duì)象，地標(biāo)，標(biāo)志和文本識(shí)別等許多技術(shù)，但我們相信移動(dòng)設(shè)備的日益增長(zhǎng)的計(jì)算能力可以使這些技術(shù)交付到手中的用戶，隨時(shí)隨地，無論互聯(lián)網(wǎng)連接。然而，設(shè)備和嵌入式應(yīng)用程序的視覺識(shí)別帶來許多挑戰(zhàn) - 模型必須在資源有限的環(huán)境中以高精度快速運(yùn)行，利用有限的計(jì)算，功率和空間。
【嵌牛鼻子】：MobileNets 模型
【嵌牛提問】：如何實(shí)現(xiàn)低延遲、低功耗、小型化
【嵌牛正文】：017年6約14日(今天)，我們很高興地宣布發(fā)布MobileNets，這是一款用于TensorFlow的移動(dòng)終端計(jì)算機(jī)視覺模型系列，旨在有效地最大限度地提高準(zhǔn)確性，同時(shí)注意設(shè)備或嵌入式應(yīng)用程序的受限資源。MobileNets是小型，低延遲，低功耗模型參數(shù)化，以滿足各種用例的資源限制。它們可以建立在分類，檢測(cè)，嵌入和分段上，類似于其他流行的大型模型，如初始化。
示例用例包括檢測(cè)，細(xì)粒度分類，屬性和地理定位。
此版本包含使用TF-Slim的TensorFlow中的MobileNets的模型定義，以及用于各種尺寸的移動(dòng)項(xiàng)目的16個(gè)預(yù)訓(xùn)練的ImageNet分類檢查點(diǎn)。這些型號(hào)可以使用TensorFlow Mobile在移動(dòng)設(shè)備上高效運(yùn)行。（在Github直接下載）
選擇正確的MobileNet模型，以適應(yīng)您的延遲和大小預(yù)算。內(nèi)存和磁盤上網(wǎng)絡(luò)的大小與參數(shù)數(shù)量成正比。網(wǎng)絡(luò)的等待時(shí)間和功率使用量與測(cè)量融合乘法和加法運(yùn)算次數(shù)的乘法累加量（MAC）數(shù)量相稱。前1和前5個(gè)準(zhǔn)確度在ILSVRC數(shù)據(jù)集上測(cè)量。
以下是如何下載MobileNet_v1_1.0_224檢查點(diǎn)的示例：
