寻求性能相当好的深度学习架构来运行风格迁移算法 [关闭]

Posted

技术标签:

【中文标题】寻求性能相当好的深度学习架构来运行风格迁移算法 [关闭]【英文标题】:Seek a considerably good performance deep learning architecture to run style transfer algorithm [closed] 【发布时间】:2017-08-10 13:04:08 【问题描述】:

我们的老板发现论文“艺术风格的神经算法”的想法令人惊叹,并认为它应该会吸引他的一些客户。他决定搭建一个服务器,为他们提供风格迁移的服务。

有几种深度学习架构实现了这个想法,例如 TensorFlow、Torch、caffe 等。如果旨在实现最佳性能,这些架构的哪个实现运行速度最快?如果我们用 GeForce GTX 1090 或更好的 CUDA 设备配置算法,是否有可能在几秒钟内完成 VGG 模型的任务?如果希望将当前的想法应用到上述深度学习架构中,它们是否都适用?

【问题讨论】:

我不明白你的意思我的帖子有什么问题?它是具体的,语法也不错。 【参考方案1】:

查看一些基准:https://github.com/soumith/convnet-benchmarks 我会说NervanaTorch 是最好的框架。

如果我们看看开源贡献和论文实现而不是时间,我认为torch 是赢家。

您可以在 Torch 中轻松找到神经风格的算法实现:Neural-Style 和 Fast Neural-Style

【讨论】:

非常感谢!如果 Torch + 快速神经风格 + GeForce GTX 1090(或类似或比它更好的东西)可以达到 VGG 模型的速度,你知道吗? 我不知道很抱歉 :( 因为这是一个非常具体的问题,我敢打赌最好的方法是设置 torch + cuda 和 cudnn,快速神经风格的代码并自己尝试。那应该'不会超过 30-40 分钟。

以上是关于寻求性能相当好的深度学习架构来运行风格迁移算法 [关闭]的主要内容,如果未能解决你的问题,请参考以下文章

Keras深度学习实战(20)——神经风格迁移详解

基于深度卷积神经网络的图像风格迁移 与神经涂鸦系统的设计与实现

基于深度卷积神经网络的图像风格迁移 与神经涂鸦系统的设计与实现

风格迁移论文总结

Keras实现风格迁移

深度学习与图神经网络核心技术实践应用高级研修班-Day4图像风格迁移(Neural_sytle_transfer)