为什么我在云上训练的Google automl视觉比在边缘上训练的要好得多

Question

我是Google Vision的新手，我刚刚尝试了一个数据集进行训练。我第一次在边缘上训练它，另一次是在云托管上。在这两种情况下，我都使用了每小时建议的节点数。我的模型在边缘上比在云上要差得多。有人能解释一下吗？它们不都是在云中训练的吗，应该有相同的结果？我认为唯一的不同之处在于，在边缘上可以导出模型。我使用了一种图像分类的问候

Answer 1

是的，两者确实都是在云上训练的，但不同的是每个模型都打算在哪里使用。

边缘模型在模型大小和执行预测所需的计算方面更轻，这就是它们不如云模型的原因。边缘模型的意图是在边缘设备(如移动设备)上运行，这些设备没有像云实例那样的计算能力。(这可能是谷歌允许您导出边缘模型以便在移动设备上离线使用的原因。)

另一方面，为云使用而训练的模型更倾向于模型的准确性，这是为了在大型GPU/CPU机器上运行。边缘模型和云模型之间存在权衡。边缘模型的内存需求较低，精度受到影响，延迟较高，而云模型更准确，内存需求相对较高。