모델 더 보기

이 페이지에서는 Cloud TPU에서 실행되도록 최적화된 일부 실험용 모델을 설명합니다. 이 모델은 현재 Google에서 공식적으로 지원하지 않지만 일부 유형의 연구에 유용할 수 있습니다.

코드 가져오기

이 모델의 소스 코드는 GitHub에 제공되어 있습니다. Google에서는 저장소에 모델을 종종 추가하므로 GitHub를 주기적으로 확인해야 합니다.

빠른 시작 가이드를 따라 설정한 tf-1-15 VM 이미지에는 여러 모델이 사전 설치되어 있습니다. 모델은 VM의 다음 디렉터리에 있습니다.

/usr/share/models/official/
/usr/share/tpu/

이미지 분류

DenseNet

DenseNet은 ResNet 이미지 분류 모델의 변형으로서, 스킵레이어 연결의 전체('밀집') 집합으로 되어 있습니다. GitHub에서 Cloud TPU용으로 최적화된 DenseNet 모델을 참조하세요. 이 샘플은 DenseNet 이미지 분류 모델의 구현입니다.

MobileNet

MobileNet은 휴대전화처럼 전력이 제한된 기기에서 우수한 성능을 보이는 이미지 분류 모델로서 깊이별 분리 가능한 컨볼루션을 활용합니다. GitHub에서 Cloud TPU용으로 최적화된 MobileNet v1 모델을 참조하세요. 이 샘플은 MobileNet 이미지 분류 모델의 구현입니다.

이 모델 코드는 원본 텐서플로우 MobileNet_v1을 기반으로 다음 항목을 조정한 것입니다.

  • TPUEstimator 인터페이스
  • ImageNet의 데이터 처리 파이프라인

SqueezeNet

SqueezeNet은 최신 이미지 분류 모델(AlexNet)에 비해 품질 저하 없이 더 적은 매개변수와 훨씬 작은 모델 크기에 최적화된 이미지 분류 모델입니다. GitHub에서 Cloud TPU용으로 최적화된 SqueezeNet 모델을 참조하세요. 이 샘플은 SqueezeNet 이미지 분류 모델의 구현입니다.

이미지 생성

실험용 DCGAN 프로젝트는 Deep Convolutional Generative Adversarial Networks(DCGAN) 모델을 학습시켜 MNIST 및 CIFAR-10 데이터세트를 기반으로 생성된 이미지를 만듭니다.

이 프로젝트에는 Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks(딥 컨볼루션 생성적 적대 신경망을 통한 비지도 표현 학습)의 컨볼루션 및 역컨볼루션 모델을 기반으로 하는 단순한 생성기 및 분류자 모델이 포함되어 있습니다.

다음 단계