PaddleClas/README_cn.md

简体中文 | English

PaddleClas

简介

飞桨图像分类套件PaddleClas是飞桨为工业界和学术界所准备的一个图像分类任务的工具集，助力使用者训练出更好的视觉模型和应用落地。

近期更新

• 2021.04.15 添加MixNet和ReXNet系列模型，在ImageNet-1k上MixNet 模型Top1 Acc可达78.6%，ReXNet模型可达82.09%
• 2021.03.02 添加分类模型量化方法与使用教程。
• 2021.02.01 添加RepVGG系列模型，在ImageNet-1k上Top-1 Acc可达79.65%。
• 2021.01.27 添加ViT与DeiT模型，在ImageNet-1k上，ViT模型Top-1 Acc可达85.13%，DeiT模型可达85.1%。
• 2021.01.08 添加whl包及其使用说明，直接安装paddleclas whl包，即可快速完成模型预测。
• 2020.12.16 添加对cpp预测的tensorRT支持，预测加速更明显。
• more

特性

• 丰富的模型库：基于ImageNet1k分类数据集，PaddleClas提供了29个系列的分类网络结构和训练配置，134个预训练模型和性能评估。

• SSLD知识蒸馏：基于该方案蒸馏模型的识别准确率普遍提升3%以上。

• 数据增广：支持AutoAugment、Cutout、Cutmix等8种数据增广算法详细介绍、代码复现和在统一实验环境下的效果评估。

• 10万类图像分类预训练模型：百度自研并开源了基于10万类数据集训练的 ResNet50_vd 模型，在一些实际场景中，使用该预训练模型的识别准确率最多可以提升30%。

• 多种训练方案，包括多机训练、混合精度训练等。

• 多种预测推理、部署方案，包括TensorRT预测、Paddle-Lite预测、模型服务化部署、模型量化、Paddle Hub等。

• 可运行于Linux、Windows、MacOS等多种系统。

欢迎加入技术交流群

• 微信扫描下面左方二维码添加飞桨小姐姐的微信，添加成功后私信小姐姐暗号【分类】，即可收到微信群进群邀请。

• 您也可以扫描下面的QQ群二维码， 加入PaddleClas QQ交流群。获得更高效的问题答疑，与各行各业开发者充分交流，期待您的加入。

文档教程

• 快速安装
• 30分钟玩转PaddleClas
• 模型库介绍和预训练模型
  • 模型库概览图
  • SSLD知识蒸馏系列
  • ResNet及其Vd系列
  • 移动端系列
  • SEResNeXt与Res2Net系列
  • DPN与DenseNet系列
  • HRNet
  • Inception系列
  • EfficientNet与ResNeXt101_wsl系列
  • ResNeSt与RegNet系列
  • Transformer系列
  • RepVGG系列
  • MixNet系列
  • ReXNet系列
  • 其他模型
  • HS-ResNet: arxiv文章链接: https://arxiv.org/pdf/2010.07621.pdf。 代码和预训练模型即将开源，敬请期待。
• 模型训练/评估
  • 数据准备
  • 模型训练与微调
  • 模型评估
  • 配置文件详解
• 模型预测
  • 基于训练引擎预测推理
  • 基于Python预测引擎预测推理
  • 基于C++预测引擎预测推理
  • 服务化部署
  • 端侧部署
  • whl包预测
  • 模型量化压缩
• 高阶使用
  • 知识蒸馏
  • 数据增广
  • 多标签分类
• 特色拓展应用
  • 迁移学习
  • 10万类图像分类预训练模型
  • 通用目标检测
• FAQ
  • 图像分类2021第一季精选问题(近期更新2021.02.03)
  • 图像分类通用30个问题
  • PaddleClas实战15个问题
• 赛事支持
• 许可证书
• 贡献代码

模型库

模型库概览图

基于ImageNet1k分类数据集，PaddleClas支持24种系列分类网络结构以及对应的122个图像分类预训练模型，训练技巧、每个系列网络结构的简单介绍和性能评估将在相应章节展现，下面所有的速度指标评估环境如下：

• CPU的评估环境基于骁龙855（SD855）。
• GPU评估环境基于T4机器，在FP32+TensorRT配置下运行500次测得（去除前10次的warmup时间）。

常见服务器端模型的精度指标与其预测耗时的变化曲线如下图所示。

常见移动端模型的精度指标与其预测耗时、模型存储大小的变化曲线如下图所示。

SSLD知识蒸馏预训练模型

基于SSLD知识蒸馏的预训练模型列表如下所示，更多关于SSLD知识蒸馏方案的介绍可以参考：SSLD知识蒸馏文档。

• 服务器端知识蒸馏模型

模型	Top-1 Acc	Reference Top-1 Acc	Acc gain	time(ms) bs=1	time(ms) bs=4	Flops(G)	Params(M)	下载地址
ResNet34_vd_ssld	0.797	0.760	0.037	2.434	6.222	7.39	21.82	下载链接
ResNet50_vd_ ssld	0.824	0.791	0.033	3.531	8.090	8.67	25.58	下载链接
ResNet50_vd_ ssld_v2	0.830	0.792	0.039	3.531	8.090	8.67	25.58	下载链接
ResNet101_vd_ ssld	0.837	0.802	0.035	6.117	13.762	16.1	44.57	下载链接
Res2Net50_vd_ 26w_4s_ssld	0.831	0.798	0.033	4.527	9.657	8.37	25.06	下载链接
Res2Net101_vd_ 26w_4s_ssld	0.839	0.806	0.033	8.087	17.312	16.67	45.22	下载链接
Res2Net200_vd_ 26w_4s_ssld	0.851	0.812	0.049	14.678	32.350	31.49	76.21	下载链接
HRNet_W18_C_ssld	0.812	0.769	0.043	7.406	13.297	4.14	21.29	下载链接
HRNet_W48_C_ssld	0.836	0.790	0.046	13.707	34.435	34.58	77.47	下载链接
SE_HRNet_W64_C_ssld	0.848	-	-	31.697	94.995	57.83	128.97	下载链接

• 端侧知识蒸馏模型

模型	Top-1 Acc	Reference Top-1 Acc	Acc gain	SD855 time(ms) bs=1	Flops(G)	Params(M)	模型大小(M)	下载地址
MobileNetV1_ ssld	0.779	0.710	0.069	32.523	1.11	4.19	16	下载链接
MobileNetV2_ ssld	0.767	0.722	0.045	23.318	0.6	3.44	14	下载链接
MobileNetV3_ small_x0_35_ssld	0.556	0.530	0.026	2.635	0.026	1.66	6.9	下载链接
MobileNetV3_ large_x1_0_ssld	0.790	0.753	0.036	19.308	0.45	5.47	21	下载链接
MobileNetV3_small_ x1_0_ssld	0.713	0.682	0.031	6.546	0.123	2.94	12	下载链接
GhostNet_ x1_3_ssld	0.794	0.757	0.037	19.983	0.44	7.3	29	下载链接

• 注: Reference Top-1 Acc表示PaddleClas基于ImageNet1k数据集训练得到的预训练模型精度。

ResNet及其Vd系列

ResNet及其Vd系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：ResNet及其Vd系列模型文档。

模型	Top-1 Acc	Top-5 Acc	time(ms) bs=1	time(ms) bs=4	Flops(G)	Params(M)	下载地址
ResNet18	0.7098	0.8992	1.45606	3.56305	3.66	11.69	下载链接
ResNet18_vd	0.7226	0.9080	1.54557	3.85363	4.14	11.71	下载链接
ResNet34	0.7457	0.9214	2.34957	5.89821	7.36	21.8	下载链接
ResNet34_vd	0.7598	0.9298	2.43427	6.22257	7.39	21.82	下载链接
ResNet34_vd_ssld	0.7972	0.9490	2.43427	6.22257	7.39	21.82	下载链接
ResNet50	0.7650	0.9300	3.47712	7.84421	8.19	25.56	下载链接
ResNet50_vc	0.7835	0.9403	3.52346	8.10725	8.67	25.58	下载链接
ResNet50_vd	0.7912	0.9444	3.53131	8.09057	8.67	25.58	下载链接
ResNet50_vd_v2	0.7984	0.9493	3.53131	8.09057	8.67	25.58	下载链接
ResNet101	0.7756	0.9364	6.07125	13.40573	15.52	44.55	下载链接
ResNet101_vd	0.8017	0.9497	6.11704	13.76222	16.1	44.57	下载链接
ResNet152	0.7826	0.9396	8.50198	19.17073	23.05	60.19	下载链接
ResNet152_vd	0.8059	0.9530	8.54376	19.52157	23.53	60.21	下载链接
ResNet200_vd	0.8093	0.9533	10.80619	25.01731	30.53	74.74	下载链接
ResNet50_vd_ ssld	0.8239	0.9610	3.53131	8.09057	8.67	25.58	下载链接
ResNet50_vd_ ssld_v2	0.8300	0.9640	3.53131	8.09057	8.67	25.58	下载链接
ResNet101_vd_ ssld	0.8373	0.9669	6.11704	13.76222	16.1	44.57	下载链接

移动端系列

移动端系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：移动端系列模型文档。

模型	Top-1 Acc	Top-5 Acc	SD855 time(ms) bs=1	Flops(G)	Params(M)	模型大小(M)	下载地址
MobileNetV1_ x0_25	0.5143	0.7546	3.21985	0.07	0.46	1.9	下载链接
MobileNetV1_ x0_5	0.6352	0.8473	9.579599	0.28	1.31	5.2	下载链接
MobileNetV1_ x0_75	0.6881	0.8823	19.436399	0.63	2.55	10	下载链接
MobileNetV1	0.7099	0.8968	32.523048	1.11	4.19	16	下载链接
MobileNetV1_ ssld	0.7789	0.9394	32.523048	1.11	4.19	16	下载链接
MobileNetV2_ x0_25	0.5321	0.7652	3.79925	0.05	1.5	6.1	下载链接
MobileNetV2_ x0_5	0.6503	0.8572	8.7021	0.17	1.93	7.8	下载链接
MobileNetV2_ x0_75	0.6983	0.8901	15.531351	0.35	2.58	10	下载链接
MobileNetV2	0.7215	0.9065	23.317699	0.6	3.44	14	下载链接
MobileNetV2_ x1_5	0.7412	0.9167	45.623848	1.32	6.76	26	下载链接
MobileNetV2_ x2_0	0.7523	0.9258	74.291649	2.32	11.13	43	下载链接
MobileNetV2_ ssld	0.7674	0.9339	23.317699	0.6	3.44	14	下载链接
MobileNetV3_ large_x1_25	0.7641	0.9295	28.217701	0.714	7.44	29	下载链接
MobileNetV3_ large_x1_0	0.7532	0.9231	19.30835	0.45	5.47	21	下载链接
MobileNetV3_ large_x0_75	0.7314	0.9108	13.5646	0.296	3.91	16	下载链接
MobileNetV3_ large_x0_5	0.6924	0.8852	7.49315	0.138	2.67	11	下载链接
MobileNetV3_ large_x0_35	0.6432	0.8546	5.13695	0.077	2.1	8.6	下载链接
MobileNetV3_ small_x1_25	0.7067	0.8951	9.2745	0.195	3.62	14	下载链接
MobileNetV3_ small_x1_0	0.6824	0.8806	6.5463	0.123	2.94	12	下载链接
MobileNetV3_ small_x0_75	0.6602	0.8633	5.28435	0.088	2.37	9.6	下载链接
MobileNetV3_ small_x0_5	0.5921	0.8152	3.35165	0.043	1.9	7.8	下载链接
MobileNetV3_ small_x0_35	0.5303	0.7637	2.6352	0.026	1.66	6.9	下载链接
MobileNetV3_ small_x0_35_ssld	0.5555	0.7771	2.6352	0.026	1.66	6.9	下载链接
MobileNetV3_ large_x1_0_ssld	0.7896	0.9448	19.30835	0.45	5.47	21	下载链接
MobileNetV3_small_ x1_0_ssld	0.7129	0.9010	6.5463	0.123	2.94	12	下载链接
ShuffleNetV2	0.6880	0.8845	10.941	0.28	2.26	9	下载链接
ShuffleNetV2_ x0_25	0.4990	0.7379	2.329	0.03	0.6	2.7	下载链接
ShuffleNetV2_ x0_33	0.5373	0.7705	2.64335	0.04	0.64	2.8	下载链接
ShuffleNetV2_ x0_5	0.6032	0.8226	4.2613	0.08	1.36	5.6	下载链接
ShuffleNetV2_ x1_5	0.7163	0.9015	19.3522	0.58	3.47	14	下载链接
ShuffleNetV2_ x2_0	0.7315	0.9120	34.770149	1.12	7.32	28	下载链接
ShuffleNetV2_ swish	0.7003	0.8917	16.023151	0.29	2.26	9.1	下载链接
GhostNet_ x0_5	0.6688	0.8695	5.7143	0.082	2.6	10	下载链接
GhostNet_ x1_0	0.7402	0.9165	13.5587	0.294	5.2	20	下载链接
GhostNet_ x1_3	0.7579	0.9254	19.9825	0.44	7.3	29	下载链接
GhostNet_ x1_3_ssld	0.7938	0.9449	19.9825	0.44	7.3	29	下载链接

SEResNeXt与Res2Net系列

SEResNeXt与Res2Net系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：SEResNeXt与Res2Net系列模型文档。

模型	Top-1 Acc	Top-5 Acc	time(ms) bs=1	time(ms) bs=4	Flops(G)	Params(M)	下载地址
Res2Net50_ 26w_4s	0.7933	0.9457	4.47188	9.65722	8.52	25.7	下载链接
Res2Net50_vd_ 26w_4s	0.7975	0.9491	4.52712	9.93247	8.37	25.06	下载链接
Res2Net50_ 14w_8s	0.7946	0.9470	5.4026	10.60273	9.01	25.72	下载链接
Res2Net101_vd_ 26w_4s	0.8064	0.9522	8.08729	17.31208	16.67	45.22	下载链接
Res2Net200_vd_ 26w_4s	0.8121	0.9571	14.67806	32.35032	31.49	76.21	下载链接
Res2Net200_vd_ 26w_4s_ssld	0.8513	0.9742	14.67806	32.35032	31.49	76.21	下载链接
ResNeXt50_ 32x4d	0.7775	0.9382	7.56327	10.6134	8.02	23.64	下载链接
ResNeXt50_vd_ 32x4d	0.7956	0.9462	7.62044	11.03385	8.5	23.66	下载链接
ResNeXt50_ 64x4d	0.7843	0.9413	13.80962	18.4712	15.06	42.36	下载链接
ResNeXt50_vd_ 64x4d	0.8012	0.9486	13.94449	18.88759	15.54	42.38	下载链接
ResNeXt101_ 32x4d	0.7865	0.9419	16.21503	19.96568	15.01	41.54	下载链接
ResNeXt101_vd_ 32x4d	0.8033	0.9512	16.28103	20.25611	15.49	41.56	下载链接
ResNeXt101_ 64x4d	0.7835	0.9452	30.4788	36.29801	29.05	78.12	下载链接
ResNeXt101_vd_ 64x4d	0.8078	0.9520	30.40456	36.77324	29.53	78.14	下载链接
ResNeXt152_ 32x4d	0.7898	0.9433	24.86299	29.36764	22.01	56.28	下载链接
ResNeXt152_vd_ 32x4d	0.8072	0.9520	25.03258	30.08987	22.49	56.3	下载链接
ResNeXt152_ 64x4d	0.7951	0.9471	46.7564	56.34108	43.03	107.57	下载链接
ResNeXt152_vd_ 64x4d	0.8108	0.9534	47.18638	57.16257	43.52	107.59	下载链接
SE_ResNet18_vd	0.7333	0.9138	1.7691	4.19877	4.14	11.8	下载链接
SE_ResNet34_vd	0.7651	0.9320	2.88559	7.03291	7.84	21.98	下载链接
SE_ResNet50_vd	0.7952	0.9475	4.28393	10.38846	8.67	28.09	下载链接
SE_ResNeXt50_ 32x4d	0.7844	0.9396	8.74121	13.563	8.02	26.16	下载链接
SE_ResNeXt50_vd_ 32x4d	0.8024	0.9489	9.17134	14.76192	10.76	26.28	下载链接
SE_ResNeXt101_ 32x4d	0.7939	0.9443	18.82604	25.31814	15.02	46.28	下载链接
SENet154_vd	0.8140	0.9548	53.79794	66.31684	45.83	114.29	下载链接

DPN与DenseNet系列

DPN与DenseNet系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：DPN与DenseNet系列模型文档。

模型	Top-1 Acc	Top-5 Acc	time(ms) bs=1	time(ms) bs=4	Flops(G)	Params(M)	下载地址
DenseNet121	0.7566	0.9258	4.40447	9.32623	5.69	7.98	下载链接
DenseNet161	0.7857	0.9414	10.39152	22.15555	15.49	28.68	下载链接
DenseNet169	0.7681	0.9331	6.43598	12.98832	6.74	14.15	下载链接
DenseNet201	0.7763	0.9366	8.20652	17.45838	8.61	20.01	下载链接
DenseNet264	0.7796	0.9385	12.14722	26.27707	11.54	33.37	下载链接
DPN68	0.7678	0.9343	11.64915	12.82807	4.03	10.78	下载链接
DPN92	0.7985	0.9480	18.15746	23.87545	12.54	36.29	下载链接
DPN98	0.8059	0.9510	21.18196	33.23925	22.22	58.46	下载链接
DPN107	0.8089	0.9532	27.62046	52.65353	35.06	82.97	下载链接
DPN131	0.8070	0.9514	28.33119	46.19439	30.51	75.36	下载链接

HRNet系列

HRNet系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：HRNet系列模型文档。

模型	Top-1 Acc	Top-5 Acc	time(ms) bs=1	time(ms) bs=4	Flops(G)	Params(M)	下载地址
HRNet_W18_C	0.7692	0.9339	7.40636	13.29752	4.14	21.29	下载链接
HRNet_W18_C_ssld	0.81162	0.95804	7.40636	13.29752	4.14	21.29	下载链接
HRNet_W30_C	0.7804	0.9402	9.57594	17.35485	16.23	37.71	下载链接
HRNet_W32_C	0.7828	0.9424	9.49807	17.72921	17.86	41.23	下载链接
HRNet_W40_C	0.7877	0.9447	12.12202	25.68184	25.41	57.55	下载链接
HRNet_W44_C	0.7900	0.9451	13.19858	32.25202	29.79	67.06	下载链接
HRNet_W48_C	0.7895	0.9442	13.70761	34.43572	34.58	77.47	下载链接
HRNet_W48_C_ssld	0.8363	0.9682	13.70761	34.43572	34.58	77.47	下载链接
HRNet_W64_C	0.7930	0.9461	17.57527	47.9533	57.83	128.06	下载链接
SE_HRNet_W64_C_ssld	0.8475	0.9726	31.69770	94.99546	57.83	128.97	下载链接

Inception系列

Inception系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：Inception系列模型文档。

模型	Top-1 Acc	Top-5 Acc	time(ms) bs=1	time(ms) bs=4	Flops(G)	Params(M)	下载地址
GoogLeNet	0.7070	0.8966	1.88038	4.48882	2.88	8.46	下载链接
Xception41	0.7930	0.9453	4.96939	17.01361	16.74	22.69	下载链接
Xception41_deeplab	0.7955	0.9438	5.33541	17.55938	18.16	26.73	下载链接
Xception65	0.8100	0.9549	7.26158	25.88778	25.95	35.48	下载链接
Xception65_deeplab	0.8032	0.9449	7.60208	26.03699	27.37	39.52	下载链接
Xception71	0.8111	0.9545	8.72457	31.55549	31.77	37.28	下载链接
InceptionV3	0.7914	0.9459	6.64054	13.53630	11.46	23.83	下载链接
InceptionV4	0.8077	0.9526	12.99342	25.23416	24.57	42.68	下载链接

EfficientNet与ResNeXt101_wsl系列

EfficientNet与ResNeXt101_wsl系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：EfficientNet与ResNeXt101_wsl系列模型文档。

模型	Top-1 Acc	Top-5 Acc	time(ms) bs=1	time(ms) bs=4	Flops(G)	Params(M)	下载地址
ResNeXt101_ 32x8d_wsl	0.8255	0.9674	18.52528	34.25319	29.14	78.44	下载链接
ResNeXt101_ 32x16d_wsl	0.8424	0.9726	25.60395	71.88384	57.55	152.66	下载链接
ResNeXt101_ 32x32d_wsl	0.8497	0.9759	54.87396	160.04337	115.17	303.11	下载链接
ResNeXt101_ 32x48d_wsl	0.8537	0.9769	99.01698256	315.91261	173.58	456.2	下载链接
Fix_ResNeXt101_ 32x48d_wsl	0.8626	0.9797	160.0838242	595.99296	354.23	456.2	下载链接
EfficientNetB0	0.7738	0.9331	3.442	6.11476	0.72	5.1	下载链接
EfficientNetB1	0.7915	0.9441	5.3322	9.41795	1.27	7.52	下载链接
EfficientNetB2	0.7985	0.9474	6.29351	10.95702	1.85	8.81	下载链接
EfficientNetB3	0.8115	0.9541	7.67749	16.53288	3.43	11.84	下载链接
EfficientNetB4	0.8285	0.9623	12.15894	30.94567	8.29	18.76	下载链接
EfficientNetB5	0.8362	0.9672	20.48571	61.60252	19.51	29.61	下载链接
EfficientNetB6	0.8400	0.9688	32.62402	-	36.27	42	下载链接
EfficientNetB7	0.8430	0.9689	53.93823	-	72.35	64.92	下载链接
EfficientNetB0_ small	0.7580	0.9258	2.3076	4.71886	0.72	4.65	下载链接

ResNeSt与RegNet系列

ResNeSt与RegNet系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：ResNeSt与RegNet系列模型文档。

模型	Top-1 Acc	Top-5 Acc	time(ms) bs=1	time(ms) bs=4	Flops(G)	Params(M)	下载地址
ResNeSt50_ fast_1s1x64d	0.8035	0.9528	3.45405	8.72680	8.68	26.3	下载链接
ResNeSt50	0.8083	0.9542	6.69042	8.01664	10.78	27.5	下载链接
RegNetX_4GF	0.785	0.9416	6.46478	11.19862	8	22.1	下载链接

Transformer系列

ViT（Vision Transformer）与DeiT（Data-efficient Image Transformers）系列模型的精度、速度指标如下表所示. 更多关于该系列模型的介绍可以参考： Transformer系列模型文档。

模型	Top-1 Acc	Top-5 Acc	time(ms) bs=1	time(ms) bs=4	Flops(G)	Params(M)	下载地址
ViT_small_ patch16_224	0.7769	0.9342	-	-			下载链接
ViT_base_ patch16_224	0.8195	0.9617	-	-		86	下载链接
ViT_base_ patch16_384	0.8414	0.9717	-	-			下载链接
ViT_base_ patch32_384	0.8176	0.9613	-	-			下载链接
ViT_large_ patch16_224	0.8323	0.9650	-	-		307	下载链接
ViT_large_ patch16_384	0.8513	0.9736	-	-			下载链接
ViT_large_ patch32_384	0.8153	0.9608	-	-			下载链接

模型	Top-1 Acc	Top-5 Acc	time(ms) bs=1	time(ms) bs=4	Flops(G)	Params(M)	下载地址
DeiT_tiny_ patch16_224	0.718	0.910	-	-		5	下载链接
DeiT_small_ patch16_224	0.796	0.949	-	-		22	下载链接
DeiT_base_ patch16_224	0.817	0.957	-	-		86	下载链接
DeiT_base_ patch16_384	0.830	0.962	-	-		87	下载链接
DeiT_tiny_ distilled_patch16_224	0.741	0.918	-	-		6	下载链接
DeiT_small_ distilled_patch16_224	0.809	0.953	-	-		22	下载链接
DeiT_base_ distilled_patch16_224	0.831	0.964	-	-		87	下载链接
DeiT_base_ distilled_patch16_384	0.851	0.973	-	-		88	下载链接

RepVGG系列

关于RepVGG系列模型的精度、速度指标如下表所示，更多介绍可以参考：RepVGG系列模型文档。

模型	Top-1 Acc	Top-5 Acc	time(ms) bs=1	time(ms) bs=4	Flops(G)	Params(M)	下载地址
RepVGG_A0	0.7131	0.9016					下载链接
RepVGG_A1	0.7380	0.9146					下载链接
RepVGG_A2	0.7571	0.9264					下载链接
RepVGG_B0	0.7450	0.9213					下载链接
RepVGG_B1	0.7773	0.9385					下载链接
RepVGG_B2	0.7813	0.9410					下载链接
RepVGG_B1g2	0.7732	0.9359					下载链接
RepVGG_B1g4	0.7675	0.9335					下载链接
RepVGG_B2g4	0.7881	0.9448					下载链接
RepVGG_B3g4	0.7965	0.9485					下载链接

MixNet系列

关于MixNet系列模型的精度、速度指标如下表所示，更多介绍可以参考：MixNet系列模型文档。

模型	Top-1 Acc	Top-5 Acc	time(ms) bs=1	time(ms) bs=4	Flops(M)	Params(M)	下载地址
MixNet_S	0.7628	0.9299			252.977	4.167	下载链接
MixNet_M	0.7767	0.9364			357.119	5.065	下载链接
MixNet_L	0.7860	0.9437			579.017	7.384	下载链接

ReXNet系列

关于ReXNet系列模型的精度、速度指标如下表所示，更多介绍可以参考：ReXNet系列模型文档。

模型	Top-1 Acc	Top-5 Acc	time(ms) bs=1	time(ms) bs=4	Flops(G)	Params(M)	下载地址
ReXNet_1_0	0.7746	0.9370			0.415	4.838	下载链接
ReXNet_1_3	0.7913	0.9464			0.683	7.611	下载链接
ReXNet_1_5	0.8006	0.9512			0.900	9.791	下载链接
ReXNet_2_0	0.8122	0.9536			1.561	16.449	下载链接
ReXNet_3_0	0.8209	0.9612			3.445	34.833	下载链接

其他模型

关于AlexNet、SqueezeNet系列、VGG系列、DarkNet53等模型的精度、速度指标如下表所示，更多介绍可以参考：其他模型文档。

模型	Top-1 Acc	Top-5 Acc	time(ms) bs=1	time(ms) bs=4	Flops(G)	Params(M)	下载地址
AlexNet	0.567	0.792	1.44993	2.46696	1.370	61.090	下载链接
SqueezeNet1_0	0.596	0.817	0.96736	2.53221	1.550	1.240	下载链接
SqueezeNet1_1	0.601	0.819	0.76032	1.877	0.690	1.230	下载链接
VGG11	0.693	0.891	3.90412	9.51147	15.090	132.850	下载链接
VGG13	0.700	0.894	4.64684	12.61558	22.480	133.030	下载链接
VGG16	0.720	0.907	5.61769	16.40064	30.810	138.340	下载链接
VGG19	0.726	0.909	6.65221	20.4334	39.130	143.650	下载链接
DarkNet53	0.780	0.941	4.10829	12.1714	18.580	41.600	下载链接

许可证书

本项目的发布受Apache 2.0 license许可认证。

贡献代码

我们非常欢迎你为PaddleClas贡献代码，也十分感谢你的反馈。

• 非常感谢nblib修正了PaddleClas中RandErasing的数据增广配置文件。
• 非常感谢chenpy228修正了PaddleClas文档中的部分错别字。
• 非常感谢jm12138为PaddleClas添加ViT，DeiT系列模型和RepVGG系列模型。

我们非常欢迎你为PaddleClas贡献代码，也十分感谢你的反馈。