【发布时间】：2016-09-02 04:57:27
【问题描述】：
我有一张 512x512 的图片。我想对该图像执行逐像素分类。我已经使用 80x80 补丁训练了模型。因此，在测试时，我有 512x512=262144 个补丁，每个补丁的尺寸为 80x80，这种分类太慢了。如何提高测试时间？请帮帮我。
【问题讨论】：
标签： deep-learning image-segmentation
【发布时间】：2016-09-02 04:57:27
【问题描述】：
我可能是错的，但是没有很多解决方案可以加快测试阶段，主要是减少神经元的数量以减少操作的数量：
- 80x80 补丁确实很大，您可能想尝试减小它们的大小并重新训练您的 NN。它已经大大减少了神经元的数量。
- 分析 NN 权重/输入/输出，以检测在您的 NN 中无关紧要的神经元。例如，它们可能总是返回 0，然后可以从您的 NN 中删除它们。然后，您使用简化的架构重新训练您的 NN。
- 如果您还没有这样做，那么提供一批（越大越好）补丁比一次提供一个补丁要快得多。
【讨论】：
-
尝试使用较小的补丁大小。是的！预测时间现在是 3 分钟/图像（之前大约是 15 分钟/图像）。我还尝试减少全连接层中隐藏节点的数量。但是没有运气，还有其他建议吗？我需要在几秒钟内减少预测..
-
你有没有看过我提到的第二点。这就是他们在行业中所做的事情，以制造更快的产品。
-
@AvijitDasgupta：您尝试过使用 FCN（全卷积网络）吗？
-
@Harsh 我没有 sudo 访问权限。因此无法在我们的服务器中安装 caffe。使用 Theano。你知道任何基于 Theano 的 FCN 实现吗？
-
@FiReTiTi 好的。我正在努力，会告诉你结果。