基于迁移学习技术的自闭症疾病检测：神经网络中中央处理器与图形处理器性能比较
计算机视觉与模式识别
2023-06-02 v1
摘要
神经网络方法是机器学习方法，广泛应用于医疗健康和网络安全等多个领域。神经网络尤其以处理图像数据集的能力著称。在图像训练过程中，神经网络执行各种基础数学运算，包括导数、卷积、矩阵求逆与转置等代数与数学函数。此类运算所需处理能力高于常规计算机使用 typical 所需。由于CPU采用串行处理，不适合处理大型图像数据集。另一方面，GPU具有并行处理能力，可提供更高速度。本文利用VGG16、Resnet50、Densenet、Inceptionv3、Xception、Mobilenet、XGBOOST VGG16及我们提出的模型等先进神经网络技术，比较CPU与GPU资源。我们实现了一个利用自闭症与非自闭症儿童面部图像分类自闭症疾病的系统，以比较测试期间性能。我们采用准确率、F1分数、精确率、召回率和执行时间等评估矩阵。观察到在所有测试中GPU均优于CPU。此外，神经网络模型在GPU上的准确率较CPU有所提升。
引用
@article{arxiv.2306.00283,
title = {Autism Disease Detection Using Transfer Learning Techniques: Performance Comparison Between Central Processing Unit vs Graphics Processing Unit Functions for Neural Networks},
author = {Mst Shapna Akter and Hossain Shahriar and Alfredo Cuzzocrea},
journal= {arXiv preprint arXiv:2306.00283},
year = {2023}
}