這裡是 AI 研習社，我們的問答版塊已經正式推出了！歡迎大家來多多交流~

https://club.leiphone.com/page/question

社長為你推薦來自 AI 研習社問答社區的精華問答。如有你也有問題，歡迎進社區提問。

話不多說，直接上題

問：如何減少R-CNN的計算數據量和內存要求？

需求是根據時序的圖片，預測下一張圖片；圖片是灰度圖，大小是500x500；每張圖片里有的像素有值，有的像素是無效值（設置為255），要求預測結果的有效值誤差最小。

目前模型是CNN+LSTM；還不清楚其他哪些模型可用。

這樣的計算，輸入層和輸出層的維度都很大，會導致計算量和對內存的要求都很高。

假如先卷積再輸出到500x500的全連接輸出層（包含RNN的數據轉換處理），這樣做可能會有精度損失。

另外損失函數有沒有辦法設計為只計算有效值，以減少計算量。

請問還有什麼辦法能減少計算量和內存要求？內存最好能控制在單機16G或32G以內。

來自社友的回答

萊特?哈靈頓：

你說的是不是用CNN編碼，將編碼放到具有記憶性的LSTM裡邊解碼，從而生成特徵圖向量來預測下一張圖片（抱歉我不太懂這塊，所以生成什麼我也不太清楚），前面CNN的作用無非就是將原圖像的信息編碼到輸出的向量或者矩陣中去，要是減少計算數據量的話，我想你看看attention機制相關的論文會不會有一些幫助？R-CNN應該算是hard attention，再減少的話，可不可以將這個hard attention生成的向量，通過soft attention計算出各個向量的權重，加權求和，V～_t＝∑α_i,t × v_i

我的建議是這個，不知道理解的對不對，也建議你去看看attention機制相關論文，還有bottom-up and top-down這個。

棚哥 ：

訓練數據放到SSD中,在訓練的同時,從磁碟中載入下一次的數據。

巴特萊?芬克：

它的時序圖有多大？就是總的數據集，然後每次輸入多少？

有技術問題需要求助？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！