2020-12-09 深度学习 经典CNN模型计算量与内存需求分析
經(jīng)典CNN模型計(jì)算量與內(nèi)存需求分析
表1 CNN經(jīng)典模型的內(nèi)存,計(jì)算量和參數(shù)數(shù)量對(duì)比
| ? | AlexNet | VGG16 | Inception-v3 |
| 模型內(nèi)存(MB) | >200 | >500 | 90-100 |
| 參數(shù)(百萬) | 60 | 138 | 23.2 |
| 計(jì)算量(百萬) | 720 | 15300 | 5000 |
?
1.?CNN模型具體分析(以AlexNet網(wǎng)絡(luò)模型為例)
1.1 網(wǎng)絡(luò)結(jié)構(gòu)
?
?
圖1 AlexNet網(wǎng)絡(luò)結(jié)構(gòu)
?
AlexNet有5個(gè)卷積層和3個(gè)全連接層
C1:96×11×11×3 (卷積核個(gè)數(shù)/寬/高/深度)? ? ? ? ? ? ? ?34848個(gè)
C2:256×5×5×48(卷積核個(gè)數(shù)/寬/高/深度)? ? ? ? ? ?307200個(gè)
C3:384×3×3×256(卷積核個(gè)數(shù)/寬/高/深度)? ? ? ? ?884736個(gè)
C4:384×3×3×192(卷積核個(gè)數(shù)/寬/高/深度)? ? ? ? ?663552個(gè)
C5:256×3×3×192(卷積核個(gè)數(shù)/寬/高/深度)? ? ? ? ?442368個(gè)
R1:4096×6×6×256(卷積核個(gè)數(shù)/寬/高/深度)?????? 37748736個(gè)
R2:4096×4096? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 16777216個(gè)
R3:4096×1000? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 4096000個(gè)
共6000萬個(gè)參數(shù)
?
1.2 AlexNet模型內(nèi)存大小計(jì)算
6000萬(個(gè)參數(shù))×32位(float32)=19.2億位≈228.88MB
?
1.3 AlexNet模型計(jì)算力消耗
圖2 AlexNet模型每層每秒浮點(diǎn)運(yùn)算次數(shù)及參數(shù)數(shù)量
?
1.4 AlexNet網(wǎng)絡(luò)模型配置
AlexNet網(wǎng)絡(luò)模型獲得了2012年ImageNet比賽的冠軍。AlexNet使用兩塊GTX580顯卡進(jìn)行訓(xùn)練,兩塊GPU各訓(xùn)練網(wǎng)絡(luò)的一部分,在第二個(gè)卷積層和全連接層兩塊GPU之間才進(jìn)行互相通信。
?
總結(jié)
以上是生活随笔為你收集整理的2020-12-09 深度学习 经典CNN模型计算量与内存需求分析的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 2020-12-09 深度学习 卷积神经
- 下一篇: 梳理百年深度学习发展史-七月在线机器学习