iOS 11 之后 UIImagePickerController 不需要用户授权了。这个 ImagePicker 运行在单独的 process 里，APP 是拿不到你的整个相册的。

@jaswer 我在想有没有类似于 tensorflow serving 这种的

@ipwx 感谢分享！不过这个硬盘主要是我自己平时炼丹用的。我们实验室有另外的配置。

@ipwx 对的我也是这么想的。只是想知道有没有人这么实践过

@imn1 新增长的数据不是深度学习产生的数据，是我们新采集的数据集。所以平常的确是主要以读取数据为主。

@imn1 感谢回复，我现在用的就是 SSD 来存放数据集，但是最近开始做视频方面的工作了，所以未来数据的大小肯定辉成倍增长的。所以您觉得 WD MyBook 是一个不错的方案吗？

@viztorix 我们学校是文理学院，所有学位都是 Bachelor of Arts

@kisshere 我给的这个连接是 pre-trained 物体检测模型。Clarifai 演示的是 多标签图像分类。所以这两个实现的不是任务。
关于有没有公开的模型能达到 Clarifai 的精度的问题。我搜索了一下，没有发现 Clarifai 自己有公开自己模型的性能。所以精度也无从比较。而且，一般来说，计算机视觉模型的性能不仅仅取决于模型的架构，和训练时采用的数据集也有关系。Clarifai 肯定用了自己收集的 非公开 的数据集来训练模型，而且模型估计也跑在多个 GPU 上，所以自己单机的训练的模型应该很达到 Clarifai 的精度。

https://github.com/tensorflow/models/tree/master/research/slim#Pretrained
这个连接是 TensorFlow 官方给出的预训练的图像分类模型，我推荐你可以自己下一个 ResNet 50/101/152 （模型大小取决于你的 GPU ），然后看看能不能满足的需求

首先要搞明白你想要做的是 Object Detection 还是 Multi-label Image Classification。 你给的 Clarifai 的 demo 演示的是 Multi-label Image Classification。 但是你提到的 YOLO v1/v2/v3 是一个 Object Detection System。

对于 YOLO v3 是不是一个好的 Object Detection System，这完全取决于你的应用。比如说你不考虑实际部署，那有很多表现比 YOLO 但是更“重”的 Two-stage Dection State-of-the-art system。参考： https://paperswithcode.com/task/object-detection。 但是如果你要把你的模型部署的实际设备上去，那 YOLO “足够好".

对于选用数据集的问题， 一般来说 Image Classficiation 采用的都是 ImageNet 训练。Object Detection 我不太熟悉，但是 COCO 似乎是一个比较流行的数据集。但是，对于这些大家研究的都比较透彻的 Computer Vision task，不推荐你自己来训练模型，主要是搭建模型和训练模型如果没有相关经验会踩很多坑。完全可以下载别人已经训练好的模型，比如： https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md

1050ti 显存是多少，显存太小很多模型都装不下的

感谢楼主，刚刚还在找你这个主题🙏

🍋

除非你是有几百万粉的 youtuber，不然问题很难得到解决。Youtube 的版权系统本身有问题。
参见： https://youtu.be/z4AeoAWGJBw

@Olament 看错需求了 当我没说

Disjoint set?