【发布时间】：2019-12-28 08:03:06
【问题描述】：
我需要建立一个用于图像分类的深度学习模型。我需要根据这些数据训练深度学习模型，然后将其部署到真机上。
总之，我的主要问题是：
图像非常大，这会导致 CUDA 出现内存问题。我应该怎么做才能防止我的模型耗尽内存限制？
此外，我需要一个非常快速的推理，因为该模型将用于实际部署环境。速度对于及时响应非常重要。
我需要解决这两个问题来部署我的模型。
【问题讨论】：
标签： deep-learning classification
【发布时间】：2019-12-28 08:03:06
【问题描述】：
我认为您可以尝试不同的批量大小。因为批量大小直接关系到深度学习的训练和推理速度。但我认为更好的GPU机器卡对于深度学习网络的图像分类更重要。
【讨论】：
我认为减小图像的大小很重要。必要时对它们进行整形，这样可以显着降低内存成本。
【讨论】：
我认为你需要更好的 GPU 卡，因为深度学习需要机器。
【讨论】：