运行神经网络所需的资源

Question

通常，更复杂的神经网络（例如，具有128层的对象分类CNN）需要比较不复杂的神经网络（例如，对象分类CNN）更多的“资源”（时间，gpu的数量）来训练。我发现了一个链接，其中包含了对不同类型的CNN和训练它们所需的“资源”的非常好的总结： https://adeshpande3.github.io/adeshpande3.github.io/The-9-Deep-Learning-Papers-You-Need-To-Know-About.html

然而，在训练完成后，当我们实际使用这些神经网络（比如使用经过训练的CNN帮助驾驶汽车的自动驾驶汽车）时，更复杂，更准确的神经网络需要更多“计算”资源“（可能是cpu，内存等）运行比不太复杂，不太准确的神经网络？

我问一般问题，神经网络不仅限于对象分类，还可以包括NLP或其他领域的神经网络。

如果答案是“它取决于”，你能提供一些更复杂，更准确的神经网络的例子，使用更多的资源来运行比不那么复杂/准确的神经网络吗？

Answer 1

最近发布的CVPR 2017论文标题为 Speed/accuracy trade-offs for modern convolutional object detectors（Huang et al。），它将不同的特征提取器与一些神经网络架构进行了比较，作者称之为“元架构”＃34;。他们将这些构建模型与速度，内存使用和准确性进行比较。