为什么我的Google automl视觉在云上训练比在边缘上训练的要好得多

Question

我是Google Vision的新手，我只是尝试过训练数据集。我首先在边缘上进行了培训，然后又在云上进行了培训。在这两种情况下，我每小时都使用建议的节点数。我在边缘的模型比在云上的模型差很多。有人可以解释吗？他们不是都在云中训练并且结果应该一样吗？我以为区别只是边缘上可以导出模型。 我使用了图像分类 问候

Answer 1

是的，两者确实都是在云上进行训练的，但是不同之处在于每种模型的用途。

就执行预测所需的模型大小和计算而言，边缘模型较轻，这就是为什么它们不如云模型好。边缘模型的意图是在边缘设备（如移动设备）上运行，而边缘设备没有GPU云实例那么强大的计算能力。（这也许就是Google允许您导出边缘模型的原因以便可以在移动设备上离线使用。）

另一方面，针对云使用情况进行训练的模型更偏向于模型精度，这些模型旨在在大型GPU / CPU机器上运行。 边缘模型和云模型之间需要权衡。边缘模型的内存需求较低，准确性受到影响，并且延迟较高，而云模型的内存需求相对较高，因此准确性更高。