resnet50能用cpu跑吗_resnet50等网络提特征已经很好了 还有使用VGG 等网络的必要么？...

不知道这个问题是不是深度学习keras群昨天有人回答类似的问题，然后两条答案都是理解有问题的那位同学提的。

原来的问题是：

请教各位一个问题，为什么现在有人还在用预训练的alexnet作特征提取，vgg, resnet效果不是更好吗

回答：

我是机器学习小白。我浅谈一下对这个问题的理解。我觉得原因主要分两个方面。

1. 对训练和推理速度的考虑，AlexNet的参数要比VGG和Resnet模型参数少，训练和推理速度快，保证可以部署到算力弱的设备上运行。

2. 所研究问题的数据集太小，使用VGG或者ResNet参数太多，如果训练集数据过少，且训练集数据与Resnet模型预训练使用的数据集分布不同，可能导致得到的模型过拟合。反而不如参数略少的alexnet模型。

欢迎大家批评指正。

可以说，两点都是尴答。

现在这个问题也是可笑。。。

谷歌网络和视觉几何小组网络，就是同期网络，怎么vgg和alexnet就是远古？

googlenet微调小数据和vgg是差不多的，只是谷歌网络更快达到泛化性能最好，怎么问题描述是小数据使用老网络为了避免过拟合？alexnet过拟合可能会严重些，或者拟合不行。

参数多与少，和过拟合没有太大关系。参数少的alexnet 比参数多的vgg，过拟合严重或者拟合不行。

回到答题上，

用旧网络，可能是前人就是用旧网络，为了对比就要使用旧网络，证明自己所提出新东西有效

可能某些问题就是特定的网络好。据说检索alexnet 的特征不错。vgg和resnet提取特征用于物体检测，有些问题，resnet可能就不太好。

有没有使用的必要具体看，你的论文实验要验证什么，对比什么。打比赛的话，肯定无脑上残差网络啊。