深度学习VGG模型加载硬件条件

初学深度学习,想用VGG模型做些案例,自己的笔记本显卡1060 6G,跑代码时候会出
错,查了下有说显卡内存不够的,想问下大佬们用类似VGG这些模型时候,设备都是什
么样的,1060 能跑动VGG 模型吗?
万分感谢~

0

1个回答

1060也不是不可以跑,需要把batch搞小一些,多加pooling,缩小模型参数规模。当然会影响性能和精度,但是这个不可避免。
在笔记本上跑,比较容易烧毁显卡,那样损失就大了。建议你买个二手矿卡的1070Ti 8G,不到2000的价格,接近1080的性能。性价比超级高。

0
Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!
其他相关推荐
深度学习之基础模型-VGG
网络结构 结构Architecture 模型框架 效果分析 单尺度 多尺度 多尺度裁剪 模型融合 对比 总结 参考文献VGG论文给出了一个非常振奋人心的结论:卷积神经网络的深度增加和小卷积核的使用对网络的最终分类识别效果有很大的作用。记得在AlexNet论文中,也做了最后指出了网络深度的对最终的分类结果有很大的作用。这篇论文则更加直接的论证了这一结论。作者Karen Simonyan & Andre
系统学习深度学习(十七)--VGG模型
原文:http://blog.csdn.net/u014114990/article/details/50715548 最近在看imagenet  ILSVRC2015 比赛结果,除了 msra 的深度残差神经网络外,采用最多的还是 googlenet和VGG这两种网络模型, 优化方法上更多的使用了batch nomalization,prelu等,大多团队都是这两个模型上改进,采用新的优化方法
实战 | 基于深度学习模型VGG的图像识别(附代码)
本文演示了如何使用百度公司的PaddlePaddle实现基于深度学习模型VGG的图像识别。准备工作VGG简介牛津大学VGG(Visual Geometry Group)组在2014年ILSVRC提出的模型被称作VGG模型 。该模型相比以往模型进一步加宽和加深了网络结构,它的核心是五组卷积操作,每两组之间做Max-Pooling空间降维。同一组内采用多次连续的3X3卷积,卷积核的数目由较浅组的64增
深度学习与人脸识别系列(6)__利用训练好的vgg模型进行人脸识别(利用摄像头)
作者:wjmishuai 出处:http://blog.csdn.net/wjmishuai/article/details/50854178 声明:版权所有,转载请注明出处 一:人脸识别系统简要说明: 输入1是注册,输入2是识别,我们一般注册五张图片,识别的时候用当前的人脸和这五张比较,去平均值. 例如: 请选择程序模式:1 请输入注册id:1 now is 0.
深度学习与人脸识别系列(5)__vgg人脸识别模型测试
作者:wjmishuai 出处:http://blog.csdn.net/wjmishuai/article/details/50854168 声明:版权所有,转载请注明出处 代码下载地址: 运行代码之前请把你的caffe环境配置好. 可以实现成C++版本的,由于项目是合作的,我不能上传.python版是我自己写的,流程是一样的. 代码详解: # -*-
深度学习,图像分类,从vgg到inception,到resnet
最近工作在做一件事情,就是把游戏图像进行场景分类,相比于自然图像来说,游戏图像种类较少,因此分类任务比较简单,但是由于追求工程上的高精度和高效率,所以阅读了vgg,inception,resnet等相关论文,并且都试了一下效果,算是对深度学习图像分类有了一个系统的了解,在这里总结一下。
深度学习训练模型的硬件条件
https://blog.csdn.net/caimouse/article/details/77942582从李飞飞的课程里,可以看到她的电脑配置,这个配置是机器学习的基本配置,我们可以参考一下:http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture8.pdfCPU: intel core i7-7700k 4.4G内存:4X8G 显...
深度学习方法:卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,ResNet
欢迎转载,转载请注明:本文出自Bin的专栏blog.csdn.net/xbinworld。  技术交流QQ群:433250724,欢迎对算法、技术感兴趣的同学加入。 关于卷积神经网络CNN,网络和文献中有非常多的资料,我在工作/研究中也用了好一段时间各种常见的model了,就想着简单整理一下,以备查阅之需。如果读者是初接触CNN,建议可以先看一看“Deep Learning(深度学习)学习
深度学习VGG模型核心拆解
如今深度学习发展火热,但很多优秀的文章都是基于经典文章,经典文章中的一句一词都值得推敲和分析。此外,深度学习虽然一直被人诟病缺乏足够令人信服的理论,但不代表我们不能感性分析理解,下面我们将对2014年夺得ImageNet的定位第一和分类第二的VGG网络进行分析,在此过程中更多的是对这篇经典文章的感性分析,希望和大家共同交流产生共鸣,如果有理解不到位的也真诚期待指出错误。 Simonyan,
干货丨深度学习VGG模型核心拆解
如今深度学习发展火热,但很多优秀的文章都是基于经典文章,经典文章中的一句一词都值得推敲和分析。此外,深度学习虽然一直被人诟病缺乏足够令人信服的理论,但不代表我们不能感性分析理解,下面我们将对2014年夺得ImageNet的定位第一和分类第二的VGG网络进行分析,在此过程中更多的是对这篇经典文章的感性分析,希望和大家共同交流产生共鸣,如果有理解不到位的也真诚期待指出错误。这篇文章是以比赛为目的——解