内存受限设备上轻量级深度学习模型的比较分析
本研究针对内存受限环境中的轻量级深度学习模型进行全面评估，填补了在低内存设备上图像分类模型适用性研究的空白。通过对五种先进架构进行基准测试，发现迁移学习显著增强了模型的准确性和计算效率，特别是在复杂数据集Tiny ImageNet上。研究结果为在计算资源有限的现实应用中优化深度学习系统提供了实际建议。
AI生成摘要 本研究评估了内存受限环境中的轻量级深度学习模型，填补了低内存设备上图像分类的研究空白。通过基准测试五种架构，发现迁移学习显著提升了模型在复杂数据集Tiny ImageNet上的准确性和效率，为优化深度学习系统提供了建议。
