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 2023-03-29

【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Nervana 和Torch 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。