表1 CNN經典模型的內存，計算量和參數數量對比
|
|
AlexNet |
VGG16 |
Inception-v3 |
| 模型內存(MB) |
＞200 |
＞500 |
90-100 |
| 參數（百萬） |
60 |
138 |
23.2 |
| 計算量（百萬） |
720 |
15300 |
5000 |
1. CNN模型具體分析（以AlexNet網絡模型為例）
1.1 網絡結構
圖1 AlexNet網絡結構
AlexNet有5個卷積層和3個全連接層
C1：96×11×11×3 (卷積核個數/寬/高/深度) 34848個
C2：256×5×5×48（卷積核個數/寬/高/深度） 307200個
C3：384×3×3×256（卷積核個數/寬/高/深度） 884736個
C4：384×3×3×192（卷積核個數/寬/高/深度） 663552個
C5：256×3×3×192（卷積核個數/寬/高/深度） 442368個
R1：4096×6×6×256（卷積核個數/寬/高/深度） 37748736個
R2：4096×4096 16777216個
R3：4096×1000 4096000個
共6000萬個參數
1.2 AlexNet模型內存大小計算
6000萬(個參數)×32位(float32)=19.2億位≈228.88MB
1.3 AlexNet模型計算力消耗
圖2 AlexNet模型每層每秒浮點運算次數及參數數量
1.4 AlexNet網絡模型配置
AlexNet網絡模型獲得了2012年ImageNet比賽的冠軍。AlexNet使用兩塊GTX580顯卡進行訓練，兩塊GPU各訓練網絡的一部分，在第二個卷積層和全連接層兩塊GPU之間才進行互相通信。