寻求一个相当不错的表现深度学习架构来运行风格转换算法

-3

我们老板发现的论文“艺术风格的神经算法”惊人的想法，并认为这应该引起他的一些客户。他决定建立一个服务器为他们提供风格转移的服务。寻求一个相当不错的表现深度学习架构来运行风格转换算法

这个想法的实现有几种深度学习体系结构，如TensorFlow，Torch，caffe等。如果要实现最佳性能，这些体系结构的实现运行速度最快？如果我们使用相当不错的CUDA设备（例如GeForce GTX 1090或更高版本）配置算法，是否可以在几秒钟内完成VGG模型的任务？如果希望将这个想法的艺术状态应用于上述的深度学习架构，它们是否都适用？

来源

2017-03-19 piratesailor

我不明白你的意思在这里有什么错我的帖子？具体而不是很差的语法。 – piratesailor

检出一些基准：https://github.com/soumith/convnet-benchmarks我会说Nervana和Torch是最好的框架。

如果不是时候，我们看看开源贡献和论文的实现，我认为torch是赢家。

你可以很容易地找到神经式的算法实现在火炬：Neural-Style和Fast Neural-Style

来源

2017-03-19 09:26:49

非常感谢你！你知道多快的速度，如果火炬+快速神经风格+ GeForce GTX 1090（或类似的东西或比它更好）可以实现一个VGG模型？ – piratesailor

我不知道抱歉:(因为它是一个非常具体的问题，我敢打赌，最好是成立火炬+ CUDA和cudnn，快速的神经式的代码，并通过自己尝试一下。这不应该把你超过30 - 40分钟。 –

寻求一个相当不错的表现深度学习架构来运行风格转换算法

回答

相关问题