使用VGG16-Net训练高分辨率（4024 x 3036）图像需要多少计算能力？

Question

我正在使用在喀拉拉邦的VGG16-Net对高分辨率图像进行分类。 但是我无法使用尺寸超过（600 x 600）分辨率的图像在nVIDIA GeForce GTX 1080 GPU上使用批次大小1进行训练， 我遇到资源枯竭错误OOM，即无法分配形状为[18、64、600、600]的张量。 有人可以建议我任何解决方案吗？ 我要使用大尺寸图像，因为我基于很小的差异将图像标记为好和不好。

提前谢谢！

Answer 1

整个网络以及批处理数据必须能够适合VRAM。如果确实需要使用高分辨率图像，则需要使用较小的网络。 vgg-16既旧又低效，不建议用于新项目。您可以查找诸如mobilenetv2或mnasnet之类的东西，但不必记住，所有这些常用模型通常都针对600x600或更小尺寸进行了优化。出于兴趣，我尝试在非常高分辨率的图像上训练CNN，只是为了看看会发生什么，我发现，当然，如果图像中的所有特征都非常大，它们会缓慢地痛苦地训练并以非常低的精度运行。关于卷积滤波器，那么这些滤波器将无法使用它们。