对于卷积神经网络而言，可以使用两种方法降低GPU的内存需求。
1、采用较大的递进步数作为卷积内核，这时不是为每一个像素，而是为两个或四个像素（2或4步幅）来应用卷积内核，这样将产生更少的输出数据。这个技巧通常用于输入层中，因为这一层最消耗内存。
2、引入一个1*1的卷积内核层，从而降低所需的深度。例如，64*64*256的输入可通过96个1*1颗粒减少到64*64*96的输入。
emmmm：
GET：直接将网页上的数据取回来
POST：往指定网页上注入数据
keras学习笔记（待续。。。）
猜你喜欢
转载自blog.csdn.net/weixin_31866177/article/details/81217748
今日推荐
周排行