مقايسه الگوريتم¬هاي ResNet50 و VGG16 از لحاظ سرعت و پيچيدگي پياده¬سازي روي پردازنده¬هاي مختلف

امروزه هوش مصنوعي جهت افزايش دقت و آسايش رشد بسياري كرده است. در اين راستا الگوريتم¬ها و شبكه¬هاي مختلفي مطرح و شروع به كار كرده¬اند. يكي از معروف¬ترين شبكه¬هاي توسعه يافته در حوزه يادگيري عميق، شبكه¬هاي عصبي كانولوشن مي¬باشند. هدف از استفاده از شبكه-هاي عصبي كانولوشن پيش¬بيني و دسته بندي ديتابيس¬هاي مختلف بدون دخالت حواس انسان مي¬باشد. دو الگوريتم ResNet50 و VGG16 از الگوريتم¬هاي معروف شبكه¬هاي عصبي كانولوشن مي¬باشند. در اين مقاله به مقايسه ساختار دو الگوريتم و سرعت اجراي آن¬ها در پردازنده¬هاي مختلف پرداخته شده است.