Análise de Desempenho de Frameworks de Deep Learning

  • Rafael G. Trindade
  • João V. F. Lima

Resumo


Este trabalho avalia o desempenho de dois frameworks de Deep Learning (Caffe e TensorFlow) em um ambiente de execução heterogêneo. A avaliação se dá ao mensurar os tempos gastos por imagem, através da variação de hiperparâmetros de duas redes profundas conhecidas. O estudo conclui que o framework TensorFlow apresenta uma menor necessidade de memória, e tempos até 49% menores em GPU e até 70% menores em CPU em relação ao Caffe.
Publicado
06/05/2018
Como Citar

Selecione um Formato
TRINDADE, Rafael G.; LIMA, João V. F.. Análise de Desempenho de Frameworks de Deep Learning. In: ESCOLA REGIONAL DE ALTO DESEMPENHO DA REGIÃO SUL (ERAD-RS) , 2018, Porto Alegre. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2018 . ISSN 2595-4164.