在使用PyTorch对VGG-16模型进行卷积之后,我添加了一个LSTM层。随着时间的推移,模特们学得还不错。然而,在仅仅添加一个由32个LSTM单元组成的LSTM层之后,训练和评估的过程大约需要10倍的时间。你知道吗
我将LSTM层添加到VGG框架中,如下所示
def make_layers(cfg, batch_norm=False):
# print("Making layers!")
layers = []
in_channels = 3
count=0
for v in cfg:
count+=1
if v == 'M':
layers += [nn.MaxPool2d(kernel_size=2, stride=2)]
else:
conv2d = nn.Conv2d(in_channels, v, kernel_size=3, padding=1)
if batch_norm:
layers += [conv2d, nn.BatchNorm2d(v), nn.ReLU(inplace=True)]
else:
layers += [conv2d, nn.ReLU(inplace=True)]
in_channels=v
if count==5:
rlstm =RLSTM(v)
rlstm=rlstm.cuda()
layers+=[rlstm]
RLSTM是我的自定义类,它实现了RowLSTM,来自Google的pixelrnn文件。你知道吗
这是一个常见的问题吗?一般来说,LSTM层的训练需要很长时间吗?你知道吗
是的,由于LSTM(和许多其他rnn)依赖于信息的顺序传送,因此您会损失cnn通常具有的大部分并行化加速。您还可以探索其他类型的RNN,它们利用了更多的可并行化算法,但与LSTM/GRU相比,它们的预测性能还没有定论
相关问题 更多 >
编程相关推荐