Python VGG 16/19慢速运行时

当我尝试使用Caffe和Python（2.7和3.5）从预先训练好的VGG16/19模型中获取输出时，net.forward（）步骤（在我的笔记本电脑的CPU上）花费了超过15秒的时间

我想知道是否有人能告诉我为什么会这样，就像许多其他模型（如ResNet、AlexNet）一样，我在一瞬间就得到了输出，这是迄今为止我发现的唯一一个性能如此糟糕的模型

我使用的代码如下所示：

img = cv2.imread(path + img_name + '.jpg')
img = transform_img(img,224,224) #Resizes image.
net = caffe.Net(model_prototxt,model_trained,caffe.TEST)
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
transformer.set_transpose('data', (2,0,1))
net.blobs['data'].data[...] = transformer.preprocess('data', img)
start = timer()
out = net.forward()
end = timer()
print('Runtime: ' + "{0:.2f}".format(end-start) + 's')

很抱歉，这可能是一个非常新的问题，提前感谢所有花时间回答的人。

VGG-19比它的前任慢得多。记住，无论训练时间如何，ILSVRC比赛的标准是准确度（top-1/top-5）。一个在一周内训练并获得95.2%准确率的模型要比一个在两小时内训练并获得95.1%准确率的模型好

计算能力继续接近摩尔定律，因此我们可以自由开发在几倍时间内不具有实时实用性的算法。现在一周内的火车将在五年内花费不到一天的时间

---

一般来说，早期模型的训练速度比后期模型快，但精确度较低。这适用于AlexNet、GoogleNet v1、GoogleNet v2、ResNet和VGG。VGG有一个巨大的下降：使其更精确的拓扑创新严重降低了训练速度。

您使用的是什么Caffe分布？你的笔记本电脑上有什么硬件（CPU规格现在已经足够了）？您的批量大小是多少（我在发布的代码中只能看到1个）？另外，对于其他拓扑，您看到的速度是多少（每个图像的转发时间就可以了）？谢谢您的评论和回答。现在我不打算训练模型，我只是想使用免费提供的预训练模型来看看它是如何工作的——那时我注意到每次向前传球/测试都需要15-20秒。如果你认为这种时间并不令人惊讶，那么我对此感到满意。：）你的第二段很有道理，这是我以前没有仔细考虑过的！不客气。你的表现比我差得多；这就是为什么我问你的硬件。在VGG和一些速度更快的拓扑结构之间，你看到的速度比是多少？像ResNet和AlexNet这样的东西每次向前传球都在一秒钟之内运行（不幸的是，我手头上没有任何具体的计时）。我目前只在笔记本电脑的CPU上运行，所以这可能是原因。这个比率（在一秒与15-20秒之间不会太高）与我所看到的bandied一致。谢谢！这让我松了一口气，我不得不与caffe进行了大量的斗争，以使它能够与某些需要自定义图层的网络一起工作，因此我认为这样做可能会把事情搞砸。：）