更多模型

本页面介绍了一些针对在 Cloud TPU 上运行进行了优化的实验模型。Google 目前尚未正式支持这些模型,但它们对于某些类型的研究非常有用。

获取代码

GitHub 上提供了这些实验模型的源代码。我们会经常向代码库添加模型,因此请务必定期查看 GitHub。

当您按照快速入门指南设置 tf-1-15 虚拟机映像时,也会预安装多种模型。这些模型位于虚拟机的以下目录中:

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

图片分类

DenseNet

DenseNet 是包含一组完整(“密集”)的跳层连接 (skip-layer connections) 的 ResNet 图片分类模型的变体。 请参阅 GitHub 上针对 Cloud TPU 进行了优化的 DenseNet 模型。此示例是 DenseNet 图片分类模型的实现。

MobileNet

MobileNet 是一个图片分类模型,利用深度可分离卷积结构 (depth-wise separable convolutions),可在移动电话等功率有限的设备上运行良好。 请参阅 GitHub 上针对 Cloud TPU 进行了优化的 MobileNet v1 模型。此示例是 MobileNet 图片分类模型的实现。

该模型的代码基于原始 TensorFlow MobileNet_v1,但进行了以下调整:

  • TPUEstimator 界面。
  • ImageNet 的数据处理流水线。

SqueezeNet

SqueezeNet 是一个图片分类模型,针对更少的参数和更小的模型大小进行了优化,可实现与最新图片分类模型 (AlexNet) 相当的质量。 请参阅 GitHub 上针对 Cloud TPU 进行了优化的 SqueezeNet 模型。此示例是 SqueezeNet 图片分类模型的实现。

图片生成

实验性 DCGAN 项目训练深度卷积生成对抗网络 (DCGAN) 模型,从而基于 MNIST 和 CIFAR-10 数据集制作生成式图片。

该项目包括基于卷积和反卷积模型的简单生成器和鉴别器模型,Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks(深度卷积生成对抗网络的无监督表征学习)中说明了这些模型。

后续步骤