用于图像识别的预训练卷积神经网络的硬件要求答案

【问题标题】：Hardware requirements for pre-trained convolutional neural network for image recognition用于图像识别的预训练卷积神经网络的硬件要求
【发布时间】：2018-12-05 20:39:38
【问题描述】：

我知道，要训练用于图像识别的深度神经网络，需要一个或多个良好的 GPU，因为它们比 CPU 更适合这项任务。一切都很清楚，并且有很多不同的教程使用各种库来说明如何做到这一点。

但是，当我训练了深度神经网络后，运行经过训练的深度神经网络以识别位于服务器上的某些 Web 应用程序中的图像有哪些硬件要求？为此，我是否需要在服务器上配备强大的 GPU？对于运行预训练的深度神经网络，哪些硬件更重要——RAM、CPU、存储？

我可以在 Android 应用上运行预训练网络进行图像识别吗？这是个好主意吗？

很抱歉，如果我的问题过于模糊和宽泛，但我找不到关于这个主题的任何适当和详细的评论。

【问题讨论】：

标签： deep-learning gpu hardware

【解决方案1】：

当然，答案取决于很多因素，包括模型的大小、CNN 层的数量、激活函数的类型等。

但是，一旦我的模型（3 层卷积和 256 个完全连接的节点）经过训练，就可以在没有 GPU 的常规 MacBook Pro（16GB RAM，2.7 GHz Intel Core i5 处理器）上进行单个图像预测。预测瞬间发生（

希望能回答你的问题。

【讨论】：

例如，如果模型的大小是几千兆字节，那么我需要一个强大的 GPU 吗？对吗？
我不确定，因为我从来没有处理过这么大的模型。我不明白为什么模型本身有几个千兆字节。如果训练集是几千兆字节，那应该没关系，因为你的模型已经训练好了。如果输入图像非常大，并且 CNN 的输入大小非常大，那么前向传播在 CPU 上可能需要一段时间。