我是 Google Vision 的新手，我刚刚尝试了一个数据集进行训练。我第一次在边缘训练它，另一次在云托管上训练。在这两种情况下，我每小时都使用建议的节点。我的边缘模型比云上的模型差得多。有人可以解释一下吗？他们不是都在云端训练并且应该有相同的结果吗？我认为区别仅在于，可以在边缘导出模型。 我使用了图像分类 亲切的问候
【问题讨论】：
标签： google-vision google-cloud-automl automl
是的，两者确实都在云上进行了训练，但不同之处在于每个模型打算使用的位置。
就模型大小和执行预测所需的计算而言，边缘模型更轻，这就是为什么它们不如云模型的原因。边缘模型的目的是在边缘设备（如移动设备）上运行，这些设备没有像 GPU 云实例那样强大的计算能力。（可能这就是 Google 允许您导出边缘模型的原因以便它们可以在移动设备上离线使用。）
另一方面，为云使用而训练的模型更注重模型准确性，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存在权衡。边缘模型的内存要求较低，但准确性会受到影响且延迟较高，而云模型则更准确，但内存要求相对较高。
【讨论】：