vgg16 和vgg19的区别
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了vgg16 和vgg19的区别相关的知识,希望对你有一定的参考价值。
参考技术A 训练配置:batchsize=128caffe自有的imagenet with cuDNN模型快于googlenet with cuDNN
VGG16层不用cuDNN慢于caffe自有的imagenet with cuDNN模型
VGG19层不用cuDNN慢于caffe自有的imagenet with cuDNN模型
一、CAFFE 自带配置,使用cuDNN
Forward速度 : 220ms
Backward速度 :360ms
二、CAFFE 自带配置,不使用cuDNN
Forward速度 : 300ms
Backward速度 :410ms
三、GoogleNet,使用cuDNN
Forward速度 : 614ms
Backward速度 :1377ms
四、GoogleNet,不使用cuDNN
Forward速度 : 1145ms
Backward速度 :2009ms
五、VGG16层,使用cuDNN
Forward速度 : 3101ms
Backward速度 :8002ms
六、VGG19层,使用cuDNN
Forward速度 : 3972ms
Backward速度 :8540ms
回答不容易,希望能帮到您,满意请帮忙一下, !
为啥resnet34 比vgg16 还慢
使用ResNet50的Faster R-CNN无论是训练(280秒/Epoch)和测试(165毫秒/image)都比VGG-16的训练(165秒/Epoch)和测试(115毫秒/image)要慢。使用的是MXNet(0.10.0)的Faster R-CNN(MXNet 0.9.5)实现。
但是我认为这和框架无关,因为基于caffe的py-faster-rcnn下有一个issue(#524)也是提到这个问题。不 参考技术A 不觉得参数更多吗。。。
以上是关于vgg16 和vgg19的区别的主要内容,如果未能解决你的问题,请参考以下文章
VGG 系列的探索与pytorch实现 (CIFAR10 分类问题) - Acc: 92.58 % (一文可通VGG + pytorch)