论文阅读学习 - 深度学习网络模型分析对比
深度学习网络模型分析对比
[Paper - An Analysis of Deep Neural Network Models for Practiacal Applications]
从准确率Accuracy、内存占用Memory Footprint、参数量Parameters、计算量(运算次数)Operations Count、推断时间Inference Time 和 功耗Power Consumption 几个方面对比 2016年前的模型表现.
一些结论：
- 功耗与 BatchSize 和 网络结构无关 - power consumption is independent of batchsize and architecture.
- 准确率和推断时间存在双曲线关系 hyperbolic relationship - accuracy and inference time are in a hyperbolic relationship.
- 能量约束是最大可达准确率和模型复杂度的上界 - energy constraint is an upper bound on the maximum achievable accuracy and model complexity.
- 计算量(运算次数)是推断时间的可靠估计 - the number of operations is a reliable estimate of the inference time.
平台与评价标准：
- Top-1 准确率，single central-crop sampling technique
- 推断时间和内存占用，Torch7，cuDNN-v5，CUDA-v8.
- 基于 JetPack-2.3 NVIDIA Jetson TX1 board (nVIDIA)：64-bit ARM R A57 CPU, a 1 T-Flop/s 256-core NVIDIA Maxwell GPU and 4 GB LPDDR4 of shared RAM.
- 运算次数基于开源平台 - torch-opcounter
- 功耗，
实现结果：
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
本文参与?腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2018年03月13日，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录