作者：溫利武? ? 班級：1402019? ? ? 學號：14020199041

【嵌牛導讀】：近年來，深入學習推動了計算機視覺領域的巨大進步，神經(jīng)網(wǎng)絡反復推動了視覺識別技術的發(fā)展。雖然通過Cloud Vision API為互聯(lián)網(wǎng)連接的設備提供諸如對象，地標，標志和文本識別等許多技術，但我們相信移動設備的日益增長的計算能力可以使這些技術交付到手中的用戶，隨時隨地，無論互聯(lián)網(wǎng)連接。然而，設備和嵌入式應用程序的視覺識別帶來許多挑戰(zhàn) - 模型必須在資源有限的環(huán)境中以高精度快速運行，利用有限的計算，功率和空間。

【嵌牛鼻子】：MobileNets 模型

【嵌牛提問】：如何實現(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的移動終端計算機視覺模型系列，旨在有效地最大限度地提高準確性，同時注意設備或嵌入式應用程序的受限資源。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，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，細粒度分類，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項目的16個預訓練的ImageNet分類檢查點。這些型號可以使用TensorFlow Mobile在移動設備上高效運行。（在Github直接下載）

選擇正確的MobileNet模型，以適應您的延遲和大小預算。內存和磁盤上網(wǎng)絡的大小與參數(shù)數(shù)量成正比。網(wǎng)絡的等待時間和功率使用量與測量融合乘法和加法運算次數(shù)的乘法累加量（MAC）數(shù)量相稱。前1和前5個準確度在ILSVRC數(shù)據(jù)集上測量。

以下是如何下載MobileNet_v1_1.0_224檢查點的示例：