图像分类任务不用冷启动，PaddlePaddle一口气发布十大预训练模型

PaddlePaddle在不断增加官方支持的模型的同时，也在关注预训练模型的丰富度。

在过去的版本中，我们已经发布了目标检测Faster-RCNN、MobileNet-SSD、PyramidBox和场景文字识别CRNN-CTC、OCR Attention共计5个预训练模型。

近期，在图像分类领域我们一口气发布了四个系列共十个预训练模型，丰富扩充了预训练模型库，助力用户提高构建模型的效率，大大减轻“炼丹”的烦恼。

主要包括：

 

MobileNet v1

 

针对亟需在移动端应用深度学习技术的需求，MobileNet v1在存储空间和能耗低的地方表现优秀，在损失精度很小的情况下，计算量，存储空间，准确率方面都有明显提升。

 

ResNet 系列模型

 

ResNet创新性的提出了残差结构，一举在ILSVRC2015比赛中取得冠军，top5错误率为3.57%。斯坦福大学的Joyce Xu将ResNet称为「真正重新定义了我们看待神经网络的方式」的三大架构之一。

 

在最新发布的PaddlePaddle 预训练模型包括有ResNet50，ResNet101和ResNet152。

 

SE_ResNet 系列模型

 

SE 全称 Sequeeze-and-Excitation，在ILSVRC 20