包括前四个实验
希望有所帮助:)
在exp3-3中，实验要求使用Python语言基于VGG19网络模型实现非实时图像风格迁移。 该实验的100分标准中要求对卷积层和池化层的实现中使用的四重循环进行改进，提升计算速度。
这里可以借助as_strided函数与np.einsum求和对卷积进一步加速，最后在平台上的评测结果如下所示：
| 前向传播时间 | 反向传播时间 | 卷积层损失值 | 池化层损失值 |
|---|---|---|---|
| 12063.999891 ms | 12063.999891 ms | 0.000000% | 0.000000% |
| 内容损失值(前向/反向) | 风格损失值(前向/反向) |
|---|---|
| ['0.000000% , 0.000000%'] | ['0.000000% , 0.000000%'] |
| 前向传播加速比 | 反向传播加速比 |
|---|---|
| 252.360570 | 25.701824 |
参考网站