호스팅된 모델

다음은 TensorFlow Lite와 함께 동작하도록 최적화된 사전 훈련된 모델의 일부를 수록한 목록입니다.

모델 선택을 시작하려면 엔드 투 엔드 예제가 있는 모델 페이지를 방문하거나 TensorFlow Hub에서 TensorFlow Lite 모델을 선택하세요.

참고: 특정 애플리케이션에 가장 적합한 모델은 요구 사항에 따라 다릅니다. 예를 들어, 일부 애플리케이션에는 높은 정확성이 유익할 수 있지만 다른 애플리케이션에는 작은 모델 크기가 필요할 수 있습니다. 다양한 모델로 애플리케이션을 테스트하여 크기, 성능 및 정확성 간의 최적 균형을 찾아야 합니다.

이미지 분류

이미지 분류에 대한 자세한 내용은 이미지 분류를 참조하세요. TensorFlow Lite 작업 라이브러리에서 단 몇 줄의 코드만으로 이미지 분류 모델을 통합하는 방법에 대한 지침을 살펴보세요.

양자화된 모델

양자화된 이미지 분류 모델은 정확성을 희생하면서 가장 작은 모델 크기와 가장 빠른 성능을 제공합니다. 성능 값은 Android 10의 Pixel 3에서 측정했습니다.

TensorFlow Hub에서 많은 양자화된 모델을 찾아 더 많은 모델 정보를 얻을 수 있습니다.

모델 이름	논문과 모델	모델 크기	Top-1 정확성	Top-5 정확성	CPU, 4 스레드	NNAPI
Mobilenet_V1_0.25_128_quant	논문, tflite&pb	0.5Mb	39.5%	64.4%	0.8ms	2ms
Mobilenet_V1_0.25_160_quant	논문, tflite&pb	0.5Mb	42.8%	68.1%	1.3ms	2.4ms
Mobilenet_V1_0.25_192_quant	논문, tflite&pb	0.5Mb	45.7%	70.8%	1.8ms	2.6ms
Mobilenet_V1_0.25_224_quant	논문, tflite&pb	0.5Mb	48.2%	72.8%	2.3ms	2.9ms
Mobilenet_V1_0.50_128_quant	논문, tflite&pb	1.4Mb	54.9%	78.1%	1.7ms	2.6ms
Mobilenet_V1_0.50_160_quant	논문, tflite&pb	1.4Mb	57.2%	80.5%	2.6ms	2.9ms
Mobilenet_V1_0.50_192_quant	논문, tflite&pb	1.4Mb	59.9%	82.1%	3.6ms	3.3ms
Mobilenet_V1_0.50_224_quant	논문, tflite&pb	1.4Mb	61.2%	83.2%	4.7ms	3.6ms
Mobilenet_V1_0.75_128_quant	논문, tflite&pb	2.6Mb	55.9%	79.1%	3.1ms	3.2ms
Mobilenet_V1_0.75_160_quant	논문, tflite&pb	2.6Mb	62.4%	83.7%	4.7ms	3.8ms
Mobilenet_V1_0.75_192_quant	논문, tflite&pb	2.6Mb	66.1%	86.2%	6.4ms	4.2ms
Mobilenet_V1_0.75_224_quant	논문, tflite&pb	2.6Mb	66.9%	86.9%	8.5ms	4.8ms
Mobilenet_V1_1.0_128_quant	논문, tflite&pb	4.3Mb	63.3%	84.1%	4.8ms	3.8ms
Mobilenet_V1_1.0_160_quant	논문, tflite&pb	4.3Mb	66.9%	86.7%	7.3ms	4.6ms
Mobilenet_V1_1.0_192_quant	논문, tflite&pb	4.3Mb	69.1%	88.1%	9.9ms	5.2ms
Mobilenet_V1_1.0_224_quant	논문, tflite&pb	4.3Mb	70.0%	89.0%	13ms	6.0ms
Mobilenet_V2_1.0_224_quant	논문, tflite&pb	3.4Mb	70.8%	89.9%	12ms	6.9ms
Inception_V1_quant	논문, tflite&pb	6.4Mb	70.1%	89.8%	39ms	36ms
Inception_V2_quant	논문, tflite&pb	11Mb	73.5%	91.4%	59ms	18ms
Inception_V3_quant	논문, tflite&pb	23Mb	77.5%	93.7%	148ms	74ms
Inception_V4_quant	논문, tflite&pb	41Mb	79.5%	93.9%	268ms	155ms

참고: 모델 파일에는 TF Lite FlatBuffer 및 Tensorflow 고정 그래프가 모두 포함됩니다.

참고: 성능 수치는 Pixel-3(Android 10)에서 벤치마킹했습니다. 정확성 수치는 TFLite 이미지 분류 평가 도구를 사용하여 계산했습니다.

부동 소수점 모델

부동 소수점 모델은 모델 크기와 성능을 희생하면서 최고의 정확성을 제공합니다. GPU 가속을 사용하려면 부동 소수점 모델을 사용해야 합니다. 성능 값은 Android 10의 Pixel 3에서 측정했습니다.

TensorFlow Hub에서 많은 이미지 분류 모델을 찾아 더 많은 모델 정보를 얻을 수 있습니다.

모델 이름	논문과 모델	모델 크기	Top-1 정확성	Top-5 정확성	CPU, 4 스레드	GPU	NNAPI
DenseNet	논문, tflite&pb	43.6Mb	64.2%	85.6%	195ms	60ms	1656ms
SqueezeNet	논문, tflite&pb	5.0Mb	49.0%	72.9%	36ms	9.5ms	18.5ms
NASNet 모바일	논문, tflite&pb	21.4Mb	73.9%	91.5%	56ms	---	102ms
NASNet 대형	논문, tflite&pb	355.3Mb	82.6%	96.1%	1170ms	---	648ms
ResNet_V2_101	논문, tflite&pb	178.3Mb	76.8%	93.6%	526ms	92ms	1572ms
Inception_V3	논문, tflite&pb	95.3Mb	77.9%	93.8%	249ms	56ms	148ms
Inception_V4	논문, tflite&pb	170.7Mb	80.1%	95.1%	486ms	93ms	291ms
Inception_ResNet_V2	논문, tflite&pb	121.0Mb	77.5%	94.0%	422ms	100ms	201ms
Mobilenet_V1_0.25_128	논문, tflite&pb	1.9MB	41.4%	66.2%	1.2ms	1.6ms	3ms
Mobilenet_V1_0.25_160	논문, tflite&pb	1.9MB	45.4%	70.2%	1.7ms	1.7ms	3.2ms
Mobilenet_V1_0.25_192	논문, tflite&pb	1.9MB	47.1%	72.0%	2.4ms	1.8ms	3.0ms
Mobilenet_V1_0.25_224	논문, tflite&pb	1.9MB	49.7%	74.1%	3.3ms	1.8ms	3.6ms
Mobilenet_V1_0.50_128	논문, tflite&pb	5.3Mb	56.2%	79.3%	3.0ms	1.7ms	3.2ms
Mobilenet_V1_0.50_160	논문, tflite&pb	5.3Mb	59.0%	81.8%	4.4ms	2.0ms	4.0ms
Mobilenet_V1_0.50_192	논문, tflite&pb	5.3Mb	61.7%	83.5%	6.0ms	2.5ms	4.8ms
Mobilenet_V1_0.50_224	논문, tflite&pb	5.3Mb	63.2%	84.9%	7.9ms	2.8ms	6.1ms
Mobilenet_V1_0.75_128	논문, tflite&pb	10.3Mb	62.0%	83.8%	5.5ms	2.6ms	5.1ms
Mobilenet_V1_0.75_160	논문, tflite&pb	10.3Mb	65.2%	85.9%	8.2ms	3.1ms	6.3ms
Mobilenet_V1_0.75_192	논문, tflite&pb	10.3Mb	67.1%	87.2%	11.0ms	4.5ms	7.2ms
Mobilenet_V1_0.75_224	논문, tflite&pb	10.3Mb	68.3%	88.1%	14.6ms	4.9ms	9.9ms
Mobilenet_V1_1.0_128	논문, tflite&pb	16.9Mb	65.2%	85.7%	9.0ms	4.4ms	6.3ms
Mobilenet_V1_1.0_160	논문, tflite&pb	16.9Mb	68.0%	87.7%	13.4ms	5.0ms	8.4ms
Mobilenet_V1_1.0_192	논문, tflite&pb	16.9Mb	69.9%	89.1%	18.1ms	6.3ms	10.6ms
Mobilenet_V1_1.0_224	논문, tflite&pb	16.9Mb	71.0%	89.9%	24.0ms	6.5ms	13.8ms
Mobilenet_V2_1.0_224	논문, tflite&pb	14.0Mb	71.8%	90.6%	17.5ms	6.2ms	11.23ms

AutoML 모바일 모델

다음 이미지 분류 모델은 Cloud AutoML을 사용하여 생성되었습니다. 성능 값은 Android 10의 Pixel 3에서 측정했습니다.

TensorFlow Hub 에서 이러한 모델을 찾아 더 많은 모델 정보를 얻을 수 있습니다.

모델 이름	논문과 모델	모델 크기	Top-1 정확성	Top-5 정확성	CPU, 4 스레드	GPU	NNAPI
MnasNet_0.50_224	논문, tflite&pb	8.5MB	68.03%	87.79%	9.5ms	5.9ms	16.6ms
MnasNet_0.75_224	논문, tflite&pb	12Mb	71.72%	90.17%	13.7ms	7.1ms	16.7ms
MnasNet_1.0_96	논문, tflite&pb	17Mb	62.33%	83.98%	5.6ms	5.4ms	12.1ms
MnasNet_1.0_128	논문, tflite&pb	17Mb	67.32%	87.70%	7.5ms	5.8ms	12.9ms
MnasNet_1.0_160	논문, tflite&pb	17Mb	70.63%	89.58%	11.1ms	6.7ms	14.2ms
MnasNet_1.0_192	논문, tflite&pb	17Mb	72.56%	90.76%	14.5ms	7.7ms	16.6ms
MnasNet_1.0_224	논문, tflite&pb	17Mb	74.08%	91.75%	19.4ms	8.7ms	19ms
MnasNet_1.3_224	논문, tflite&pb	24Mb	75.24%	92.55%	27.9ms	10.6ms	22.0ms

참고: 성능 수치는 Pixel-3(Android 10)에서 벤치마킹했습니다. 정확성 수치는 TFLite 이미지 분류 평가 도구를 사용하여 계산했습니다.

객체 감지

물체 감지에 대한 자세한 내용은 물체 감지를 참조하세요. TensorFlow Lite 작업 라이브러리에서 단 몇 줄의 코드만으로 물체 감지 모델을 통합하는 방법에 대한 지침은 살펴보세요.

TensorFlow Hub에서 객체 감지 모델을 찾아보세요.

포즈 예측

포즈 예측에 대한 자세한 내용은 포즈 예측을 참조하세요.

TensorFlow Hub에서 포즈 예측 모델을 찾아보세요.

이미지 분할

이미지 분할에 대한 자세한 내용은 분할을 참조하세요. TensorFlow Lite 작업 라이브러리에서 단 몇 줄의 코드만으로 이미지 분할 모델을 통합하는 방법에 대한 지침을 살펴보세요.

TensorFlow Hub에서 이미지 분할 모델을 찾아보세요.

질문과 답변

MobileBERT를 이용한 질문과 답변에 대한 자세한 내용은 질문과 답변을 참조하세요. TensorFlow Lite 작업 라이브러리에서 몇 줄의 코드만으로 질문 및 답변 모델을 통합하는 방법에 대한 지침은 살펴보세요.

TensorFlow Hub에서 모바일 BERT 모델을 찾아보세요.

스마트 답장

스마트 답장에 대한 자세한 내용은 스마트 답장을 참조하세요.

TensorFlow Hub에서 스마트 답장 모델을 찾아보세요.