Warning: file_get_contents(/data/phpspider/zhask/data//catemap/2/tensorflow/5.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Tensorflow 通过GTX 1080微调更快的coco_Tensorflow_Machine Learning_Deep Learning_Object Detection_Object Detection Api - Fatal编程技术网
Fatal编程技术网
  • tensorflow/
  • Tensorflow 通过GTX 1080微调更快的coco

Tensorflow 通过GTX 1080微调更快的coco

tensorflow machine-learning deep-learning

Tensorflow 通过GTX 1080微调更快的coco,tensorflow,machine-learning,deep-learning,object-detection,object-detection-api,Tensorflow,Machine Learning,Deep Learning,Object Detection,Object Detection Api,是否可以通过GTX 1080使用目标检测api来微调更快的\u rcnn\u resnet101\u coco？或者更快的rcnn nasnet我不确定1080有多少VRAM，但您可以在1080ti和11GB RAM上训练更快的rcnn resnet 101型号。从GPU的使用情况来看，它应该大致适合8GB，批量大小为1，因此我想说是的，您可以使用对象检测api对RCNN resnet101对象检测器进行微调。谢谢您的关注，但我想回答一些真正使用1080的人。因为我做任何事都不会回答。让我们看看

是否可以通过
GTX 1080
使用
目标检测api
来微调
更快的\u rcnn\u resnet101\u coco
？或者更快的rcnn nasnet

我不确定1080有多少VRAM，但您可以在1080ti和11GB RAM上训练更快的rcnn resnet 101型号。从GPU的使用情况来看，它应该大致适合8GB，批量大小为1，因此我想说是的，您可以使用对象检测api对RCNN resnet101对象检测器进行微调。

谢谢您的关注，但我想回答一些真正使用1080的人。因为我做任何事都不会回答。让我们看看是否有人真的用1080做到了这一点？