沒有個(gè)萬字長(zhǎng)文，都沒法把這個(gè)問題講明白。

就講個(gè)怎么搭建ResNet18模型，早前學(xué)習(xí)的AI圖像分類服務(wù)項(xiàng)目。

部署一個(gè)ResNet18圖像分類服務(wù)，每天處理100萬張圖片。

這里就涉及了AI系統(tǒng)設(shè)計(jì)的方方面面。

ResNet18雖然是個(gè)相對(duì)簡(jiǎn)單的模型（僅11M參數(shù)），但要讓它高效服務(wù)百萬用戶，需要考慮硬件選擇、訓(xùn)練優(yōu)化、推理加速和穩(wěn)定部署等多個(gè)維度。

每個(gè)環(huán)節(jié)的優(yōu)化都會(huì)影響最終的性能表現(xiàn)。

比如，選擇V100還是A100 GPU？使用FP16還是IN…。