EfficientNet-L2，NASNet算法imagenet性能比较

EfficientNet-L2和NASNet都是在Imagenet数据集上进行训练和测试的卷积神经网络模型。下面是它们的性能比较：

参数数量：EfficientNet-L2拥有480M个参数，而NASNet拥有88M个参数，EfficientNet-L2的参数量明显更大。
准确率：在Imagenet上，EfficientNet-L2的Top-1准确率为90.5%，Top-5准确率为98.1%。而NASNet的Top-1准确率为82.7%，Top-5准确率为96.2%。因此，EfficientNet-L2的准确率明显更高。
训练速度：由于EfficientNet-L2拥有更多的参数，因此训练速度会更慢。然而，由于EfficientNet-L2采用了一些加速技巧，如MBConv块和Swish激活函数，因此它的训练速度比其他同样规模的模型更快。
推理速度：在推理速度方面，EfficientNet-L2也表现得更好，因为它采用了一些轻量级的结构，例如Depthwise Separable卷积和Squeeze-and-Excitation模块，可以在不降低准确率的情况下减少模型的计算量。

综上所述，虽然EfficientNet-L2的参数量更大，但它的准确率和推理速度都比NASNet更好。因此，在大规模图像分类任务中，EfficientNet-L2是更好的选择。