resnetv2 测试

这篇博客介绍了 ResNetV2 模型在不同深度如44层时,在1*3*512*512输入尺寸下,GPU TX2上的运行情况。在44层的配置下,模型无法正常运行,而更深的56层配置则完全跑不起来。作者提供了一个GitHub链接,指向了加速 ResNetV2 的相关代码实现。
摘要由CSDN通过智能技术生成

 

depth 44 

1*3*512*512 1070 12ms

tx2上56跑不起来,44的 跑不动

https://github.com/X-czh/accelerating-resnet/blob/328b5bb5cc896c8ecee9ebf373e6e3aa71dc5bde/resnetv2.py

 


import os
import math
import time

import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.autograd import Variable


cfg = [20, 32, 44, 56, 110, 164, 1001]

def conv3x3(in_channels, out_channels, stride=1):
    return nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=stride,
                     padding=1, bias=False)

class PreActBlock(nn.Module):
    expansion &
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值