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
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
深度学习笔记--使用keras创建和加载VGG模型
VGG16模型,顾名思义,有16层,通过学习github上的源码,发现其中有13层为卷积层(conv),3层为全连接(Dense),还有若干层pooling层。 n使用keras建立一个模型的instance有两种方式,一个是通过Input类构建,一个则是通过model类构建,具体的形式有所不同,本文采用Input类构建,这里默认输入图片大小为(50,50,3)。使用代码可以清晰看出VGG的每一层...
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] 利用Keras中训练好的VGG模型预测图片种类
利用Keras中训练好的VGG模型预测图片种类rnfrom keras.preprocessing import imagernfrom keras.applications.imagenet_utils import preprocess_input, decode_predictionsrnfrom keras.applications.vgg16 import VGG16rnfrom keras.m...
deep learning keras: 关于动物识别的vgg_16模型与调优
几个月前看到DataCastle的“猫狗大战”的竞赛的时候,想过要用CNN进行识别,毕竟这方面有很多参考的案例,然而当时正在研究其他算法,神经网络理解的也不是很精通,就没有去实现。一个月前,看到网站论坛里yinjh战队分享的源代码,并且取得了很高的成绩,就想着照着做做,当作学习。初步分析代码后,发现了一个很严重的问题,他们貌似没有用到训练集,这就有点吃惊了(这是神马黑科技???)。原来他们用了一种
深度学习与人脸识别系列(5)__vgg人脸识别模型测试
作者:wjmishuainn出处:http://blog.csdn.net/wjmishuai/article/details/50854168nn声明:版权所有,转载请注明出处nnnn代码下载地址:n运行代码之前请把你的caffe环境配置好.n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.nnn代码详解:n# -*-
深度学习中几种分类模型(Lene、Alexnet、VGG、Resnet和残差网络)
LeNet、AlexNet、VGG、GoogLeNet、ResNet 是属于图像分类的CNN。nn网络深度和宽度(卷积核数据)增加,可以提高模型性能。nnLeNet网络结构 1998年Yann LeCun Proceedings of the IEEEnn输入图片为32*32*1,卷积核大小为5*5,下采样步长为2,卷积时对原图像无填充。nnnn输入尺寸是32*32像素n 卷积层:2...
keras实现常用深度学习模型LeNet,AlexNet,ZFNet,VGGNet,GoogleNet,Resnet
LeNetrn#coding=utf-8nfrom keras.models import Sequentialnfrom keras.layers import Dense,Flattennfrom keras.layers.convolutional import Conv2D,MaxPooling2Dnfrom keras.utils.np_utils import to_categoric
基于深度学习的人脸识别系统(Caffe+OpenCV+Dlib)【三】VGG网络进行特征提取
前言nn基于深度学习的人脸识别系统,一共用到了5个开源库:OpenCV(计算机视觉库)、Caffe(深度学习库)、Dlib(机器学习库)、libfacedetection(人脸检测库)、cudnn(gpu加速库)。 n用到了一个开源的深度学习模型:VGG model。 n最终的效果是很赞的,识别一张人脸的速度是0.039秒,而且最重要的是:精度高啊!!! nCPU:intel i5-4590 nG...
深度学习VGG网络论文
2015年英国牛津大学karen simonyan深度学习的vgg模型论文原文
【深度学习 CNN】卷积神经网络模型--VGGNet(CNN )
VGGNet 网络结构诞生自牛津大学视觉几何组(Visual Geometry Group),也因此依照传统以作者VGG命名而来。算法思想:从网络设计思路来看,VGGNet是继承了AlexNet 的思路,以AlexNet 为基础,尝试建立了一个层次更多、深度更深的网络。其网络结构一样可以有8个层次所构成。也是5层卷积层,3层全连接层。最主要的区别在于,VGGNet的每个卷积网层并不是只做一次卷积操作
深度学习与人脸识别系列(3)__基于VGGNet的人脸识别系统
作者:wjmishuain出处: n声明:版权所有,转载请联系作者并注明出处nn1.引言nn本文中介绍的人脸识别系统是基于这两篇论文:nn《Veryn deep convolutional networks for large-scale image recognition》nnn《Deep Face Recognition》nnnnn第一篇论文介绍了海量数据集下
深度学习笔记一: LeNet-5、AlexNet 和 VGGNet等网络模型的小结
最近在学习吴恩达Andrew Ng的深度学习课程,之前对这几个网络还比较混乱,现在记录一下:nnLeNet-5神经网络的贡献:  nn1.这是一个比较早的网络模型,其中在卷积层后面加入池化层的思想先今还在使用。nn2.在最后的卷积层接入池化层和全连接层在当前也比较常用。nn出处:Gradient-Based Learning Applied to Document Recognitionnn其结构...
【tensorflow】5.模型加载与保存_VGG
本文中,首先会介绍模型保存与加载的过程与要点,然后通过一个实例完成VGG模型数据的探索与加载的小demo。 n通过本文,可以学到如何用Tensorflow保存和加载模型。nnnnnn模型保存nn模型保存通过tf.train.Saver()对象实现。nnnndef save():n """n 模型保存n :return:n """n # 创建两个随机tensorn ...
深度学习VGG代码实现
VGG网络结构nnnnnn#pip install tflearnnfrom tflearn.datasets import oxflower17nimport tensorflow as tfn#mnist oxflower17 cifar10 cifar100 图像有关数据nX,Y=oxflower17.load_data(one_hot=True) #下载oxflower17数据集nnpr...
深度学习(图像分类)---ResNet, AlexNet, VGG, Inception: 理解各种各样的CNN架构
AlexNetVGGNetInceptionResNetResNet, AlexNet, VGG, Inception: 理解各种各样的CNN架构炼丹界一个公认且愚蠢的认识:网络越深越复杂,数据集越庞大,效果越好。1、全连接:集成系统就是多层感知机,即有多层神经元密集连接(全连接)而成的神经网络。一个经典的深度网络包含很多参数,由于缺乏足够的训练样本,基本不可能训练出一个不过拟合的模型。2、CNN...
深度学习tensorflow实战笔记(5)用预训练好的VGG-16模型提取图像特征
     上一篇博客介绍了如果使用自己训练好的模型用于图像分类和特征提取,但是有时候自己的数据集大小有限,所以更多的时候我们需要用VGG-16预训练好的模型提取特征,相关学者预训练好的模型使用的都是公开的标准数据集,所以我们直接用预训练的模型提取我们自己图像的特征,可以用于对图像进行描述。 1、首先就要下载模型结构      首先要做的就是下载训练好的模型结构和预训练好的模型,结构地址是:点击打开...
深度学习tensorflow实战笔记(4)利用保存的VGG-16CNN网络模型提取特征
    前几篇博客写了如何处理数据,如何把用自己的数据训练VGG-16,如何把训练好的模型保存。而在实际应用中,并不是所有的操作都是为了分类的,有时候需要提取图像的特征,那么怎么利用已经保存的模型提取特征呢?   “桃叶儿尖上尖,柳叶儿就遮满了天”    测试数据转换成tfrecords,教程:点击打开链接    保存训练好的VGG-16模型,教程:点击打开链接1、读取测试数据      首先把测...
【深度学习】VGG模型
n Very Deep Convolutional Networks for Large-Scale Image Recognitionnnn在图像识别这一方面ImageNet挑战赛会定期产出优秀的模型从最初的AlexNet到VGG,RESNet,再到最新的DenseNet。每一次诞生出新的网络都会带来一次革新,今天要说的是VGG网络,ResNet和DenseNet会在接下来几篇介绍nnVGG模...
Tensorflow加载Vgg预训练模型的几个注意事项
写这个博客的关键Bug:Value passed to parameter 'input' has DataType uint8 not in list of allowed values: float16, bfloat16, float32, float64。本博客将围绕 加载图片 和 保存图片到本地 来详细解释和解决上述的Bug及其引出来的一系列Bug。nnnn加载图片nn ...
深度学习tensorflow实战笔记(3)VGG-16训练自己的数据并测试和保存模型
    前面的博客介绍了如何把图像数据转换成tfrecords格式并读取,本篇博客介绍如何用自己的tfrecords格式的数据训练CNN模型,采用的模型是VGG-16。现有的教程都是在mnist或者cifar-10数据集上做的训练,如何用自己的数据集进行训练相关的资料比较少,即使有相关的也是不完整,所以做一个完成流程的学习笔记,以供以后查阅使用。首先要做的是把自己的数据转换成tfrecords文件...
人脸识别特征提取,比对代码(基于VGG模型)
内部是提取的代码,也只需要这个,其他都是需要链接的库,使用的是VS2015弄的,自己加下链接库,模型去VGG官网下载就可以了,还有不明白的给我留言
[深度学习从入门到女装]VGG
本文简要介绍一下VGG网络模型nn论文:Very Deep Convolutional Networks for Large-Scale Image RecognitionnnVGG卷积神经网络是牛津大学在2014年提出来的模型。当这个模型被提出时,由于它的简洁性和实用性,马上成为了当时最流行的卷积神经网络模型。它在图像分类和目标检测任务中都表现出非常好的结果。在2014年的ILSVRC比赛中,V...
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。
Tensorflow加载训练好的VGG模型
现在,我们来进行一个稍微复杂点的demo,加载预训练好的VGG模型参数,然后用它来进行MINIST数据集的分类任务。nn模型加载的关键:需要知道模型是如何被保存的,知道存储的格式,才能正确恢复。这一点和字符编码的转换同理。一个模型通常会告诉你它对应的网络结构,模型存储的格式,最佳的是提供一个加载模型的脚本。若没有这些,你可能需要反复试数据,通过shape值判断模型恢复时加载出来的是什么。nn推荐一...
用tf.slim微调vgg模型时遇到的小坑
首先,我进行微调的时候,代码并非slim提供的train_image_classifier.py,而是自己的代码,我查了slim中的代码,应该是不会出现我文中的问题。rn我是在微调完inception模型后,修改代码,想要微调vgg,但是出现如下错误rnrnrn好象是Prediction出现问题了,追代码,追到vgg的模型定义rnrnrn其中并没有定义predictionrn加上predictio
VGG-Face Pytorch版模型
博客地址:https://blog.csdn.net/wen_fei/article/details/80261047 VGG-Face模型Pytorch版本,使用Pytorch的torch.load(VGG_FACE_LOCATION)可直接读取,基于千万张人脸数据训练,
vgg模型的复数域改进
vgg模型在复数域的代码,参照deep complex network论文中在残差网络上的改进,基于keras
VggNet10模型的cifar10深度学习训练
目录nn一:数据准备:nn二:VGG模型nn三:代码部分nn1.input_data.pynn2.VGG.pynn3.tools.pynn4.train_and_val.pynn一:数据准备:nn先放些链接,cifar10的数据集的下载地址:http://www.cs.toronto.edu/~kriz/cifar.htmlnnnn用二进制tfcords的数据集训练,下载第三个,下载的数据文件集是...
vgg权重调用
n#coding:utf-8nimport osnimport sysnnimport numpy as npnimport tensorflow as tfnnVGG_MEAN = [103.939, 116.779, 123.68]nn# https://github.com/machrisaa/tensorflow-vggnnclass Vgg16:n def __init__(sel...
TensorFlow实战——CNN(VGGNet19)——图像风格转化
http://blog.csdn.net/u011239443/article/details/73721903这次我们要做一件比较有趣的事——讲图像风格转化。如何将一张杭州西湖图片:将其风格转化为和梵高的《星夜》一样具有鲜明艺术的风格呢?先给出完整的代码:https://github.com/xiaoyesoso/TensorFlowinAction/blob/master/InActionB2/
利用vgg预训练模型提取图像特征
VGG卷积神经网络是牛津大学在2014年提出来的模型。当这个模型被提出时,由于它的简洁性和实用性,马上成为了当时最流行的卷积神经网络模型。它在图像分类和目标检测任务中都表现出非常好的结果。在2014年的ILSVRC比赛中,VGG 在Top-5中取得了92.3%的正确率。有VGG16和VGG19,模型的权重由ImageNet训练而来n1、VGG结构nn下面以VGG16为例来说明:nn看出VGG16由...
【深度学习】网络结构(VGG-16和Inception)
详解深度学习之经典网络架构(四):VGG-Netnn详解深度学习之经典网络架构(十):九大框架汇总(墙裂!!)nn一文读懂物体分类AI算法:LeNet-5 AlexNet VGG Inception ResNet MobileNetnnGoogle InceptionnnGoogle Inception是一个大家族,包括inceptionV1 inceptionV2 inceptionV3 inc...
【深度学习实战02】——VGG网络提取输入图像的特征并显示特征图
本文是深度学习实战系列文章,主要是利用官网VGG 19层网络训练得到模型产生的weight和bias数值,对输入的任意一张图像进行前向训练,从而得到特征图。一. 代码以下是对应代码:# coding: utf-8nnimport scipy.ionimport numpy as np nimport os nimport scipy.misc nimport matplotlib.pyplot a...
详解深度学习之经典网络架构(四):VGG-Net
一、简介nnVGG全称是Visual Geometry Group属于牛津大学科学工程系,其发布了一些列以VGG开头的卷积网络模型,可以应用在人脸识别、图像分类等方面,分别从VGG16~VGG19。VGG研究卷积网络深度的初衷是想搞清楚卷积网络深度是如何影响大规模图像分类与识别的精度和准确率的,最初是VGG-16号称非常深的卷积网络全称为(GG-Very-Deep-16 CNN),VGG在加深网络...
pytorch 加载预训练模型
pytorch 提供了 state_dict() 和 load_state_dict() 两个参数用来保存和加载模型参数, 前者将模型参数保存为字典形式, 后者将字典形式的模型参数载入到模型当中. nn但是, 使用 load_state_dict() 加载模型参数时, 要求保存的模型参数键值类型和模型完全一致, 一旦我们对模型结构做了些许修改, 就不能直接调用该函数.nn这时候, 可以采取用保存的...
pytorch学习笔记(十一):fine-tune 预训练的模型
pytorch : fine-tune torchvision 中预训练的模型torchvision 中包含了很多预训练好的模型,这样就使得 fine-tune 非常容易。本文主要介绍如何 fine-tune torchvision 中预训练好的模型。安装pip install torchvision如何 fine-tune以 resnet18 为例:from torchvision import
深度学习与TensorFlow实战(十)卷积神经网络—VGG(16)神经网络
架构: n训练输入:固定尺寸224x224的RGB图像。 n预处理:每个像素减去训练集上的RGB均值。 n卷积核:一系列3X3卷积核堆叠,步长为1,采用padding保持卷积后图像空间分辨率不变。 n空间池化:紧随卷积堆的最大池化,为2x2滑动窗口,步长2. n全连接层:特征提取后,接三个全连接层,前两个为4096,第三个为1000通道,最后是一个softmax层,输出概率。 n所有隐藏层都用非线...
【深度学习】VGGNet的tensorflow实现code
在上一篇博客中对VGGNet论文做了学习笔记以及网络结构记录,链接见此http://blog.csdn.net/qq_29340857/article/details/71440674,本篇博客的代码都是基于上一篇的理解写的,话不多说,code如下。输入数据集定义(因为使用随机梯度下降,所以使用placeholder定义训练数据): tf_train_data=tf.placeholder(tf.
深度学习的硬件方案
深度学习的三种硬件方案:ASIC,FPGA,GPUnnhttp://weibo.com/tJ2019-01-07Jp/2313474325297213290810/wenda_homenhttp://weibo.com/p2019.0107p/2313474325350455800206/wenda_homenhttp://weibo.com/9jh2019_01_07/p/23134743255...
[深度学习]AlexNet和VGG论文笔记
AlexNetnn2012年,Alex Krizhevsky(Hinton的学生)提出了AlexNet,它可以看做是LeNet的一个更深更宽版本。nnnn这就是Gradient-Based Learning Applied to Document Recognition论文里LeNet模型的架构。nnLeNet 这个网络虽然很小,但是它包含了卷积神经网络的基本模块:卷积层,池化层,全链接层。是其他...
文章热词 颜色模型 机器学习教程 Objective-C培训 交互设计视频教程 设计制作学习
相关热词 mysql关联查询两次本表 native底部 react extjs glyph 图标 java加载深度学习模型 大数据深度学习硬件