machine-learning - 深度学习技术(DNN、DBN...)在实践中有多快？

Question

已关闭。此问题不符合 Stack Overflow guidelines 。目前不接受答案。

---

要求我们推荐或查找工具、库或最喜欢的场外资源的问题对于 Stack Overflow 来说是偏离主题的，因为它们往往会吸引固执己见的答案和垃圾邮件。相反，describe the problem以及迄今为止已采取哪些措施来解决该问题。

已关闭 9 年前。

Improve this question

深度学习技术(深度神经网络、深度置信网络、深度堆叠网络……)在某些领域非常有效。他们需要很长的时间来训练，但这只是一次的成本。

我读了几篇关于不同技术的论文，他们只关注准确性和训练时间。经过训练后，他们在实践中给出答案的速度有多快？

是否有一些可用的数据来对可能有数百万个参数的深度网络进行基准测试？

我认为它们非常快，因为所有权重都是固定的，但由于函数可能非常复杂并且参数数量相当多，我不确定它们在实践中的实际表现如何。

Answer 1

速度很大程度上取决于网络的大小。假设您的网络是密集前馈网络，网络的每一层都由一个(通常是矩形)矩阵表示。通过网络推送输入需要矩阵向量积。因此，如果您有一个 8 层的网络，则需要 8 个矩阵乘积。每个需要多长时间取决于数据集的原始维度和所述层的大小。