用于图像识别的预训练卷积神经网络的硬件要求
Hardware requirements for pre-trained convolutional neural network for image recognition
我知道要训练用于图像识别的深度神经网络，需要一个或多个 GPU，因为它们比 CPUs 更适合此任务。
一切都很清楚，并且有很多使用各种库的各种教程介绍如何做到这一点。
但是，当我训练好我的深度神经网络后，运行将训练好的深度神经网络用于识别位于服务器上的某些 Web 应用程序中的图像对硬件有什么要求？为此，我需要在服务器上配备强大的 GPU 吗？哪种硬件对于 运行 预训练深度神经网络更重要 - RAM、CPU、存储？
我可以在 Android 应用程序上 运行 预训练网络进行图像识别吗？这是个好主意吗？
抱歉，如果我的问题过于模糊和宽泛，但我找不到关于这个主题的任何适当和详细的评论。
当然，答案取决于很多因素，包括模型的大小、CNN 层数、激活函数的类型等。
但是一旦我的模型（3 层卷积和全连接的 256 个节点）被训练，就可以在我的普通 MacBook Pro（16GB RAM，2.7 GHz Intel Core i5 处理器）上进行单个图像预测，而无需显卡。预测瞬间发生（< 1 秒）。
希望这能回答您的问题。
我知道要训练用于图像识别的深度神经网络，需要一个或多个 GPU，因为它们比 CPUs 更适合此任务。 一切都很清楚，并且有很多使用各种库的各种教程介绍如何做到这一点。
但是，当我训练好我的深度神经网络后，运行将训练好的深度神经网络用于识别位于服务器上的某些 Web 应用程序中的图像对硬件有什么要求？为此，我需要在服务器上配备强大的 GPU 吗？哪种硬件对于 运行 预训练深度神经网络更重要 - RAM、CPU、存储？
我可以在 Android 应用程序上 运行 预训练网络进行图像识别吗？这是个好主意吗？
抱歉，如果我的问题过于模糊和宽泛，但我找不到关于这个主题的任何适当和详细的评论。
当然，答案取决于很多因素，包括模型的大小、CNN 层数、激活函数的类型等。
但是一旦我的模型（3 层卷积和全连接的 256 个节点）被训练，就可以在我的普通 MacBook Pro（16GB RAM，2.7 GHz Intel Core i5 处理器）上进行单个图像预测，而无需显卡。预测瞬间发生（< 1 秒）。
希望这能回答您的问题。