深度学习ECCV2014，imagenet比赛冠亚军GOOGLENET，VGG运算性能分析
这些天跑VGG和GOOGLENET真心快被虐哭了，VGG跑了2个星期才收敛到错误率40%，然后换了土豪的K40，跑一些测试结果给大家看，第一part分享一下性能报告，程序跑在Nvidia K40，显存12G，内存64G服务器，训练和测试数据集建立在自有数据集及imagenet数据集
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cuDNNForward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cuDNNForward速度 : 3972ms
Backward速度 :8540ms
这里有个问题，据大家讨论说VGG的不用cuDNN会快于用cuDNN，这个需要验证，后续可以update给大家，暂时计算资源比较紧缺，没法实验另外想说的是，VGG收敛极其缓慢，不建议随便用VGG做工程，跑个参数就可以了，呵呵，土豪的老美，预计VGG收敛需要1个月。
郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。
