مقایسه الگوریتم های ResNet50 و VGG16 از لحاظ سرعت و پیچیدگی پیاده سازی روی پردازنده های مختلف

امروزه هوش مصنوعی جهت افزایش دقت و آسایش رشد بسیاری کرده است. در این راستا الگوریتمها و شبکه های مختلفی مطرح و شروع به کار کردهاند. یکی از معروفترین شبکه های توسعه یافته در حوزه یادگیری عمیق، شبکه های عصبی کانولوشن میباشند. هدف از استفاده از شبکه های عصبی کانولوشن پیشبینی و دسته بندی دیتابیسهای مختلف بدون دخالت حواس انسان میباشد. دو الگوریتم ResNet50 و VGG16 از الگوریتمهای معروف شبکه های عصبی کانولوشن میباشند. در این مقاله به مقایسه ساختار دو الگوریتم و سرعت اجرای آنها درپردازنده های مختلف پرداخته شده است.

کلیدواژه ها:

شبکه های عصبی کانولوشن ، ResNet50 ، VGG16