1700X + GTX950 跑 CNN卷积神经网络面部表情识别实例代码

本文介绍了一个使用TensorFlow和卷积神经网络(CNN)进行面部表情识别的实际案例。实验配置为1700X处理器、16GB内存及GTX950显卡。测试结果显示,GPU利用率高达97%,而CPU利用率较低,整个识别过程耗时约37分钟,识别成功率为26.5%。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

网站评论功能维护中,对文章的评论记录于此:

文章:

http://blog.youkuaiyun.com/sqh4587/article/details/74507010

tensorflow机器学习之利用CNN卷积神经网络进行面部表情识别的实例代码

 

评论如下:

跑了一把:硬件 1700X+16GRAM+GTX950(2G),都在GPU上跑。CPU利用率很低,约10%。RAM利用率56%左右。共耗时约37分钟,成功率26.5%

GPU 典型占用率:
Wed Nov  8 22:36:02 2017       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 384.90                 Driver Version: 384.90                    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 950     Off  | 00000000:26:00.0  On |                  N/A |
| 38%   65C    P0    71W / 120W |   1935MiB /  1995MiB |     97%      Default |
+-----------------------------------------------------------------------------+

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
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