Depthwise 卷积实际速度与理论速度差距较大，解释原因。
参考回答：
首先，caffe原先的gpu实现group convolution很糟糕，用for循环每次算一个卷积，速度极慢。第二，cudnn7.0及之后直接支持group convolution，但本人实测，速度比github上几个直接写cuda kernel计算的dw convolution速度慢。例如对于n=128, c=512, h=32, w=32, group=512的卷积跑100次，cudnn 7.0里的group convolution需要4秒多，而DepthwiseConvolution大概只需要1秒。
分析了一下dw convolution与普通convolution的理论计算复杂度，举例如下：
卷积1：普通卷积，输入为6464256，输出为6464256，卷积核大小为33。参数为33256256=590K，计算量为646425633256=2.42G，计算过程的工作集内存总量（输入输出数据+参数）为64642562 + 33256*256 = 2.69M。
卷积2：dw卷积，输入为6464256，输出为6464256，卷积核大小为33。参数为33256=2.3K个，计算量为646425633=9.44M，计算过程的工作集内存总量为64642562 + 33256=2.10M。
卷积3：普通卷积，输入为646416，输出为646416，卷积核大小为33。参数为331616=2.3K个，计算量为6464163316=9.44M，计算过程的工作集内存总量为6464162 + 3316*16=133K。
可以看到卷积2肯定比卷积1快，因为计算量下降到1/256了，但卷积2实际上无法达到卷积1的256倍速度（我记得我测得结果大概是快10倍左右），因为工作集内存大小并没有显著降低。卷积2也无法达到卷积3的速度，因为虽然FLOPS相同，但工作集内存大小相差了很多倍，因此单位数据的计算密度小很多，很难充分利用GPU上的计算单元。
-
问题内容： 它们看起来几乎一样，甚至是语法？ 使用什么？或什么时候使用什么？ 问题答案： 速度不再是真正活跃的开发。Freemarker是。 根据我的经验，Freemarker也更加灵活。
-
问题内容： 我已经在Scala中编程了一段时间了，我喜欢它，但是令我烦恼的是编译程序所花费的时间。这似乎是一件小事，但是使用Java可以对程序进行一些小的更改，单击netbeans中的运行按钮，然后BOOM就会运行，随着时间的推移，在scala中进行编译似乎会花费大量时间。我听说在许多大型项目中，脚本编写语言变得非常重要，因为需要花费大量的编译时间，而使用Java时却没有看到这种需求。 但是我来自
-
问题内容： 我构建了一个在我的本地主机（tomcat）中运行良好的webapp。但是，当我尝试部署时，init（）中的速度崩溃了，这给我留下了这个奇怪的堆栈跟踪信息（抱歉，大小不一）： 有谁知道解决方法？或至少了解错误？我做了一些谷歌搜索，但没有任何线索。.仅此页面面临相同的问题，但没有解决方案.. 问题答案： 我认为这行有答案。似乎在创建velocity.log文件时出现问题。您的配置文件是什么
-
这最好用一段视频来解释（或者看下面的gif）： 你会注意到Karma progress记者报告说测试只需几毫秒，但显然要花很长时间... 我在推特上说了这件事，然后被告知 所以，我的问题是，为什么它报告说它跑得超快，但实际上不是跑得超快，我怎样才能让它跑得快？
-
问题内容： 这很有趣; 强制迭代器获取实际列表的速度比（理解）快得多。 这是真实的还是我的测试太简单了？下面是代码： 问题答案： 列表推导以Python字节码执行循环，就像常规循环一样。 该调用完全在C代码中进行迭代，这要快得多。 列表理解的字节码如下所示： 该指针大致给你执行循环的界限，让你有百万，和步骤在Python字节码估价循环执行。 另一方面，仅使用C API进行对象迭代即可直接从Iter
-
我正在学习卷积神经网络，并试图弄清楚数学计算是如何发生的。假设有一个输入图像有3个通道(RGB)，所以图像的形状是28*28*3。考虑为下一层应用大小为5*5*3和步幅为1的6个过滤器。这样，我们将在下一层得到24*24*6。由于输入图像是RGB图像，每个滤波器的24*24图像如何解释为RGB图像，即每个滤波器的内部构造的图像大小为24*24*3？