vgg16 和vgg19的区别

Posted 2023-03-19

参考技术A 训练配置:batchsize=128
caffe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。。。