{
  "id": 97182,
  "title": "Base Model 선택 시 참고사항",
  "url": "/competitions/2019-3rd-ml-month-with-kakr/discussion/97182",
  "author_name": "",
  "post_date": "2019-06-26T06:10:22.340975500Z",
  "votes": 11,
  "comment_count": 7,
  "views": 0,
  "content": "<p>안녕하세요,</p>\n\n<p>캐글에 관심 갖고 데이터 분석을 시작한지 얼마 안된 novice 입니다.\n많은 분들께서 base 모델 성능으로 여러가지 언급해 주셨는데 이것 저것 찾아보다가 아래와 같은 자료가 있어 참고해 보면 좋을 것 같아 공유드립니다.\n(아직 커널을 공유할 만한 실력은 되지 않아 조심스럽게 Discussion부터 작성해 봅니다..)</p>\n\n<p>물론 아시는 분들은 아시겠지만, Accuracy vs Time을 고려하여 적절한 모델을 활용해 보시기 바랍니다.</p>\n\n<p><a href=\"https://www.kaggle.com/c/imet-2019-fgvc6/discussion/89744#latest-537430\">다른 Discussion에서 퍼온 자료</a>\nModel | Acc@1 | Acc@5 | Time*\n| --- | --- |\nvgg16 | 70.79 | 89.74 | 24.95\nvgg19 | 70.89 | 89.69 | 24.95\nresnet18 | 68.24 | 88.49 | 16.07\nresnet34 | 72.17 | 90.74 | 17.37\nresnet50 | 74.81 | 92.38 | 22.62\nresnet101 | 76.58 | 93.1 | 33.03\nresnet152 | 76.66 | 93.08 | 42.37\nresnet50v2 | 69.73 | 89.31 | 19.56\nresnet101v2 | 71.93 | 90.41 | 28.8\nresnet152v2 | 72.29 | 90.61 | 41.09\nresnext50 | 77.36 | 93.48 | 37.57\nresnext101 | 78.48 | 94 | 60.07\ndensenet121 | 74.67 | 92.04 | 27.66\ndensenet169 | 75.85 | 92.93 | 33.71\ndensenet201 | 77.13 | 93.43 | 42.4\ninceptionv3 | 77.55 | 93.48 | 38.94\nxception | 78.87 | 94.2 | 42.18\ninceptionresnetv2 | 80.03 | 94.89 | 54.77\nseresnet18 | 69.41 | 88.84 | 20.19\nseresnet34 | 72.6 | 90.91 | 22.2\nseresnet50 | 76.44 | 93.02 | 23.64\nseresnet101 | 77.92 | 94 | 32.55\nseresnet152 | 78.34 | 94.08 | 47.88\nseresnext50 | 78.74 | 94.3 | 38.29\nseresnext101 | 79.88 | 94.87 | 62.8\nsenet154 | 81.06 | 95.24 | 137.36\nnasnetlarge | 82.12 | 95.72 | 116.53\nnasnetmobile | 74.04 | 91.54 | 27.73\nmobilenet | 70.36 | 89.39 | 15.5\nmobilenetv2 | 71.63 | 90.35 | 18.31</p>\n\n<p><a href=\"https://keras.io/applications/\">케라스 application Documentation 참고 자료</a></p>",
  "messages": [
    {
      "id": "561100",
      "postDate": "06/26/2019 06:10:22",
      "content": "<p>안녕하세요,</p>\n\n<p>캐글에 관심 갖고 데이터 분석을 시작한지 얼마 안된 novice 입니다.\n많은 분들께서 base 모델 성능으로 여러가지 언급해 주셨는데 이것 저것 찾아보다가 아래와 같은 자료가 있어 참고해 보면 좋을 것 같아 공유드립니다.\n(아직 커널을 공유할 만한 실력은 되지 않아 조심스럽게 Discussion부터 작성해 봅니다..)</p>\n\n<p>물론 아시는 분들은 아시겠지만, Accuracy vs Time을 고려하여 적절한 모델을 활용해 보시기 바랍니다.</p>\n\n<p><a href=\"https://www.kaggle.com/c/imet-2019-fgvc6/discussion/89744#latest-537430\">다른 Discussion에서 퍼온 자료</a>\nModel | Acc@1 | Acc@5 | Time*\n| --- | --- |\nvgg16 | 70.79 | 89.74 | 24.95\nvgg19 | 70.89 | 89.69 | 24.95\nresnet18 | 68.24 | 88.49 | 16.07\nresnet34 | 72.17 | 90.74 | 17.37\nresnet50 | 74.81 | 92.38 | 22.62\nresnet101 | 76.58 | 93.1 | 33.03\nresnet152 | 76.66 | 93.08 | 42.37\nresnet50v2 | 69.73 | 89.31 | 19.56\nresnet101v2 | 71.93 | 90.41 | 28.8\nresnet152v2 | 72.29 | 90.61 | 41.09\nresnext50 | 77.36 | 93.48 | 37.57\nresnext101 | 78.48 | 94 | 60.07\ndensenet121 | 74.67 | 92.04 | 27.66\ndensenet169 | 75.85 | 92.93 | 33.71\ndensenet201 | 77.13 | 93.43 | 42.4\ninceptionv3 | 77.55 | 93.48 | 38.94\nxception | 78.87 | 94.2 | 42.18\ninceptionresnetv2 | 80.03 | 94.89 | 54.77\nseresnet18 | 69.41 | 88.84 | 20.19\nseresnet34 | 72.6 | 90.91 | 22.2\nseresnet50 | 76.44 | 93.02 | 23.64\nseresnet101 | 77.92 | 94 | 32.55\nseresnet152 | 78.34 | 94.08 | 47.88\nseresnext50 | 78.74 | 94.3 | 38.29\nseresnext101 | 79.88 | 94.87 | 62.8\nsenet154 | 81.06 | 95.24 | 137.36\nnasnetlarge | 82.12 | 95.72 | 116.53\nnasnetmobile | 74.04 | 91.54 | 27.73\nmobilenet | 70.36 | 89.39 | 15.5\nmobilenetv2 | 71.63 | 90.35 | 18.31</p>\n\n<p><a href=\"https://keras.io/applications/\">케라스 application Documentation 참고 자료</a></p>",
      "rawMarkdown": "안녕하세요,\n\n캐글에 관심 갖고 데이터 분석을 시작한지 얼마 안된 novice 입니다.\n많은 분들께서 base 모델 성능으로 여러가지 언급해 주셨는데 이것 저것 찾아보다가 아래와 같은 자료가 있어 참고해 보면 좋을 것 같아 공유드립니다.\n(아직 커널을 공유할 만한 실력은 되지 않아 조심스럽게 Discussion부터 작성해 봅니다..)\n\n물론 아시는 분들은 아시겠지만, Accuracy vs Time을 고려하여 적절한 모델을 활용해 보시기 바랍니다.\n\n\n[다른 Discussion에서 퍼온 자료](https://www.kaggle.com/c/imet-2019-fgvc6/discussion/89744#latest-537430)\nModel | Acc@1 | Acc@5 | Time*\n| --- | --- |\nvgg16 | 70.79 | 89.74 | 24.95\nvgg19 | 70.89 | 89.69 | 24.95\nresnet18 | 68.24 | 88.49 | 16.07\nresnet34 | 72.17 | 90.74 | 17.37\nresnet50 | 74.81 | 92.38 | 22.62\nresnet101 | 76.58 | 93.1 | 33.03\nresnet152 | 76.66 | 93.08 | 42.37\nresnet50v2 | 69.73 | 89.31 | 19.56\nresnet101v2 | 71.93 | 90.41 | 28.8\nresnet152v2 | 72.29 | 90.61 | 41.09\nresnext50 | 77.36 | 93.48 | 37.57\nresnext101 | 78.48 | 94 | 60.07\ndensenet121 | 74.67 | 92.04 | 27.66\ndensenet169 | 75.85 | 92.93 | 33.71\ndensenet201 | 77.13 | 93.43 | 42.4\ninceptionv3 | 77.55 | 93.48 | 38.94\nxception | 78.87 | 94.2 | 42.18\ninceptionresnetv2 | 80.03 | 94.89 | 54.77\nseresnet18 | 69.41 | 88.84 | 20.19\nseresnet34 | 72.6 | 90.91 | 22.2\nseresnet50 | 76.44 | 93.02 | 23.64\nseresnet101 | 77.92 | 94 | 32.55\nseresnet152 | 78.34 | 94.08 | 47.88\nseresnext50 | 78.74 | 94.3 | 38.29\nseresnext101 | 79.88 | 94.87 | 62.8\nsenet154 | 81.06 | 95.24 | 137.36\nnasnetlarge | 82.12 | 95.72 | 116.53\nnasnetmobile | 74.04 | 91.54 | 27.73\nmobilenet | 70.36 | 89.39 | 15.5\nmobilenetv2 | 71.63 | 90.35 | 18.31\n\n\n[케라스 application Documentation 참고 자료](https://keras.io/applications/)",
      "votes": null
    },
    {
      "id": "561110",
      "postDate": "06/26/2019 06:28:40",
      "content": "<p>Good!</p>",
      "rawMarkdown": "Good!",
      "votes": null
    },
    {
      "id": "561136",
      "postDate": "06/26/2019 07:08:47",
      "content": "<p>Thanks!</p>",
      "rawMarkdown": "Thanks!",
      "votes": null
    },
    {
      "id": "561250",
      "postDate": "06/26/2019 09:14:24",
      "content": "<p><a href=\"https://keras.io/applications/#applications\">https://keras.io/applications/#applications</a> 요기에 비슷한 내용이 나오더라고요.</p>",
      "rawMarkdown": "https://keras.io/applications/#applications 요기에 비슷한 내용이 나오더라고요.",
      "votes": null
    },
    {
      "id": "561257",
      "postDate": "06/26/2019 09:17:48",
      "content": "<p><a href=\"https://github.com/Cadene/pretrained-models.pytorch#accuracy-on-validation-set-single-model\">https://github.com/Cadene/pretrained-models.pytorch#accuracy-on-validation-set-single-model</a></p>\n\n<p>pytorch에선 요거 보시는 것도..</p>",
      "rawMarkdown": "https://github.com/Cadene/pretrained-models.pytorch#accuracy-on-validation-set-single-model\n\npytorch에선 요거 보시는 것도..",
      "votes": null
    },
    {
      "id": "561453",
      "postDate": "06/26/2019 13:11:33",
      "content": "<p>오 네 pytorch에서도 다양한 모델들이 있었군요. 참고하도록 하겠습니다!</p>",
      "rawMarkdown": "오 네 pytorch에서도 다양한 모델들이 있었군요. 참고하도록 하겠습니다!",
      "votes": null
    },
    {
      "id": "561454",
      "postDate": "06/26/2019 13:11:35",
      "content": "<p>공유해 주셔서 감사합니다!</p>",
      "rawMarkdown": "공유해 주셔서 감사합니다!",
      "votes": null
    },
    {
      "id": "589684",
      "postDate": "08/01/2019 08:40:52",
      "content": "<p>Thanks for sharing!</p>",
      "rawMarkdown": "Thanks for sharing!",
      "votes": null
    }
  ],
  "comments": [
    {
      "id": 561110,
      "author_name": "kummyong",
      "author_url": "",
      "post_date": "06/26/2019 06:28:40",
      "content": "<p>Good!</p>",
      "votes": null,
      "replies": []
    },
    {
      "id": 561136,
      "author_name": "taehyungum",
      "author_url": "",
      "post_date": "06/26/2019 07:08:47",
      "content": "<p>Thanks!</p>",
      "votes": null,
      "replies": []
    },
    {
      "id": 561250,
      "author_name": "janged",
      "author_url": "",
      "post_date": "06/26/2019 09:14:24",
      "content": "<p><a href=\"https://keras.io/applications/#applications\">https://keras.io/applications/#applications</a> 요기에 비슷한 내용이 나오더라고요.</p>",
      "votes": null,
      "replies": [
        {
          "id": 561454,
          "author_name": "jusun8888",
          "author_url": "",
          "post_date": "06/26/2019 13:11:35",
          "content": "<p>공유해 주셔서 감사합니다!</p>",
          "votes": null,
          "replies": []
        }
      ]
    },
    {
      "id": 561257,
      "author_name": "ildoonet",
      "author_url": "",
      "post_date": "06/26/2019 09:17:48",
      "content": "<p><a href=\"https://github.com/Cadene/pretrained-models.pytorch#accuracy-on-validation-set-single-model\">https://github.com/Cadene/pretrained-models.pytorch#accuracy-on-validation-set-single-model</a></p>\n\n<p>pytorch에선 요거 보시는 것도..</p>",
      "votes": null,
      "replies": [
        {
          "id": 561453,
          "author_name": "jusun8888",
          "author_url": "",
          "post_date": "06/26/2019 13:11:33",
          "content": "<p>오 네 pytorch에서도 다양한 모델들이 있었군요. 참고하도록 하겠습니다!</p>",
          "votes": null,
          "replies": []
        }
      ]
    },
    {
      "id": 589684,
      "author_name": "nevret93",
      "author_url": "",
      "post_date": "08/01/2019 08:40:52",
      "content": "<p>Thanks for sharing!</p>",
      "votes": null,
      "replies": []
    }
  ],
  "raw_markdown_by_id": {
    "561100": "안녕하세요,\n\n캐글에 관심 갖고 데이터 분석을 시작한지 얼마 안된 novice 입니다.\n많은 분들께서 base 모델 성능으로 여러가지 언급해 주셨는데 이것 저것 찾아보다가 아래와 같은 자료가 있어 참고해 보면 좋을 것 같아 공유드립니다.\n(아직 커널을 공유할 만한 실력은 되지 않아 조심스럽게 Discussion부터 작성해 봅니다..)\n\n물론 아시는 분들은 아시겠지만, Accuracy vs Time을 고려하여 적절한 모델을 활용해 보시기 바랍니다.\n\n\n[다른 Discussion에서 퍼온 자료](https://www.kaggle.com/c/imet-2019-fgvc6/discussion/89744#latest-537430)\nModel | Acc@1 | Acc@5 | Time*\n| --- | --- |\nvgg16 | 70.79 | 89.74 | 24.95\nvgg19 | 70.89 | 89.69 | 24.95\nresnet18 | 68.24 | 88.49 | 16.07\nresnet34 | 72.17 | 90.74 | 17.37\nresnet50 | 74.81 | 92.38 | 22.62\nresnet101 | 76.58 | 93.1 | 33.03\nresnet152 | 76.66 | 93.08 | 42.37\nresnet50v2 | 69.73 | 89.31 | 19.56\nresnet101v2 | 71.93 | 90.41 | 28.8\nresnet152v2 | 72.29 | 90.61 | 41.09\nresnext50 | 77.36 | 93.48 | 37.57\nresnext101 | 78.48 | 94 | 60.07\ndensenet121 | 74.67 | 92.04 | 27.66\ndensenet169 | 75.85 | 92.93 | 33.71\ndensenet201 | 77.13 | 93.43 | 42.4\ninceptionv3 | 77.55 | 93.48 | 38.94\nxception | 78.87 | 94.2 | 42.18\ninceptionresnetv2 | 80.03 | 94.89 | 54.77\nseresnet18 | 69.41 | 88.84 | 20.19\nseresnet34 | 72.6 | 90.91 | 22.2\nseresnet50 | 76.44 | 93.02 | 23.64\nseresnet101 | 77.92 | 94 | 32.55\nseresnet152 | 78.34 | 94.08 | 47.88\nseresnext50 | 78.74 | 94.3 | 38.29\nseresnext101 | 79.88 | 94.87 | 62.8\nsenet154 | 81.06 | 95.24 | 137.36\nnasnetlarge | 82.12 | 95.72 | 116.53\nnasnetmobile | 74.04 | 91.54 | 27.73\nmobilenet | 70.36 | 89.39 | 15.5\nmobilenetv2 | 71.63 | 90.35 | 18.31\n\n\n[케라스 application Documentation 참고 자료](https://keras.io/applications/)",
    "561110": "Good!",
    "561136": "Thanks!",
    "561250": "https://keras.io/applications/#applications 요기에 비슷한 내용이 나오더라고요.",
    "561257": "https://github.com/Cadene/pretrained-models.pytorch#accuracy-on-validation-set-single-model\n\npytorch에선 요거 보시는 것도..",
    "561453": "오 네 pytorch에서도 다양한 모델들이 있었군요. 참고하도록 하겠습니다!",
    "561454": "공유해 주셔서 감사합니다!",
    "589684": "Thanks for sharing!"
  },
  "source": "meta"
}