Los modelos de aprendizaje profundo representan uno de los enfoques más avanzados y efectivos en la modelización predictiva. Sus arquitecturas jerárquicas permiten la extracción de relaciones complejas y no lineales entre características y la identificación de patrones latentes dentro de los datos, lo que los hace altamente adecuados para tareas que involucran entradas de alta dimensión o no estructuradas. Sin embargo, estos modelos son computacionalmente exigentes, requiriendo recursos de procesamiento y tiempo significativos. Además, su rendimiento predictivo depende en gran medida de la disponibilidad de conjuntos de datos a gran escala. En este estudio, se emplea un Marco Verde Profundo para la predicción de dos tareas de visión por computadora. Se han tomado CIFAR-10 y CIFAR-100 para la clasificación de imágenes. Se entrenan quince variantes de redes neuronales convolucionales (CNN) categorizadas en ligeras y pesadas para la predicción de estos dos conjuntos de datos. Basado en la huella energética, el tiempo, el uso de memoria, la precisión Top-1, la precisión Top-3, el tamaño del modelo y los parámetros del modelo. El estudio destaca que MobileNetV3-Small produce los mejores resultados en comparación con otros modelos entrenados, teniendo baja latencia en la tarea y mayor eficiencia, lo que lo hace altamente adecuado para entornos de borde donde los recursos son escasos.