Spacemit是个偏科生？

活动比赛Competitions
1

我发现Spacemit在官网上发布的AI量化模型不错，但是他们好像低估了数据标注质量的高低也将极大地影响运行速度。

举个例子：

Spacemit的一款计算机视觉-图像分类AI模型

ResNet50

我提供了一个同类对比AI模型：

ResNet

另外我引入了两个标签文件：

Spacemit提供的标签文件：

synset.txt

我提供的标签文件：

labels.txt

2个AI模型和2个标签文件构成4种组合，识别同一张图片，全程运行时间如下：

ResNet50和synset.txt：
2.047536849975586s

ResNet和synset.txt：
2.358517646789551s

ResNet50和labels.txt：
1.8243775367736816s（最快）

ResNet和labels.txt：
2.2205557823181152s

所以，数据标注的质量也是非常重要哒！

1 个赞
2

有一件事，模型的名字和模型本身并不唯一对应，比如Resnet50也有很多变体，他们的运行时间当然也不一样，SpacemiT提供了其中的一种，然后希望开发者能够借此发现更多的变体（速度更快当然好了）

1 个赞
3

不是变体的问题，Spacemit提供的Resnet50是经过他们量化过的，下面是官方的原话：

“我们提供量化好的开源模型，可从 ModelZoo 下载。理论上，[ONNX Model Zoo] 的模型都可以推理，但性能比我们量化的差点。”

因此，可以理解为Spacemit的Resnet50对于Spacemit硬件层来说是最优解。

而我想说的是：不要忽视标签文件的质量，这同样非常重要。这才是重点。

4

label的质量会影响训练肯定没有问题，但是推理的时候，模型推理完，只是从标签数据中读取最大概率index的标签，不太会影响推理性能。可以详细说明一下，你是怎么用的嘛

6

请问您是官方的人工智能负责人吗？