sge resnet

在测试中,使用SGE ResNet34模型在416尺寸上进行运算,8个GPU并行处理,平均每个样本耗时90ms,相较于原版模型慢了约40ms。

测试时间

1070 sge_resnet34 416 1 25ms,比原版慢了12ms

1070 sge_resnet34 416 8 90ms,比原版慢了40ms

 

https://github.com/implus/PytorchInsight/blob/bf76edd9f496858686c60fbf6d8a354cc72f913b/classification/models/imagenet/resnet_sge.py

 

import time

import torch.nn as nn
from torch.nn.parameter import Parameter
import torch



__all__ = ['sge_resnet18', 'sge_resnet34', 'sge_resnet50', 'sge_resnet101',
           'sge_resnet152']

class SpatialGroupEnhance(nn.Module):
    def __init__(self, groups = 64):
        super(SpatialGroupEnhance, self).__init__()
  
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