#目的
AlfredoCanziani&EugenioCulurciello,AdamPaszke.
AN ANALYSIS OF DEEP NEURAL NETWORK MODELS FOR PRACTICAL APPLICATIONS.
arXiv:1605.07678v4.
この文献は、以下で公開されている。
https://arxiv.org/pdf/1605.07678.pdf
ディープラーニングのモデルの処理量を知りたい場合がある。
処理量としては、G-Ops等で示されているのが、扱いやすい。
処理量が記載された文書やサイトは沢山あるが、どれが、語弊のない数値が書かれているか、判断つかないときがある。
少し、情報を集めたいと考えました。
まず、この文献は、沢山の情報があり、以下の方に役立つと思う。
・ディープラーニングのモデルの処理量（GOPSなど）を知りたい人
#よく見る情報
下記の図をよく見る。
個人的には、いまの段階では、横軸の値だけが関心事ですが。
（この文献をよく見る理由は、沢山のモデルに関する情報があるため、
個別の情報も正しく、語弊のない記載になっていると期待できるから。）
（適宜、追記します。まずは、この文献の存在の紹介が主な意図です。）
図：引用
Figure 2: Top1 vs. operations, size ∝ parameters.
以下のページにて、updateされた情報が公開されている。
https://medium.com/@culurciello/analysis-of-deep-neural-networks-dcf398e71aae
引用：
目分量で、グラフの値を読む。
結果は、以下のとおり。
| model | Gop | 備考 |
|---|---|---|
| MobileNet-v1 | 1.4 | ※目分量の精度悪し |
| MobileNet-v2 | 0.7 | ※目分量の精度悪し |
| AlexNet | 2.2 | ※目分量の精度悪し |
| GoogleNet | 2.5 | ※目分量の精度悪し |
| ResNet-50 | 8.0 | ※目分量の精度悪し |
| VGG19 | 39 | ※目分量の精度悪し |
| VGG19 | 31 | ※目分量の精度悪し |
#まとめ
この文献は、よく見ます。
よく参照されているのではないでしょうか？
（どこで、この文献にたどり着いたのかは、忘れました。）
#関連（本人）
良書 「GPUを支える技術 超並列ハードウェアの快進撃[技術基礎]」を読む
文献『From Model to FPGA: Software-Hardware Co-Design for Efficient Neural Network Acceleration』を読む
↓ 随分、後々の追加（2021/3/19)
深層学習。GopsとAccuracyの関係グラフ（2系統）。
#今後
適宜、情報を足します。
コメントなどあれば、お願いします。