一般来说，更复杂的神经网络(例如，具有128层的对象分类CNN(比不太复杂的神经网络(例如，具有32层的对象分类CNN(需要更多的"资源"(时间，GPU数量(来训练。我找到了一个链接，其中对不同类型的CNN和训练它们所需的"资源"进行了很好的总结： https://adeshpande3.github.io/adeshpande3.github.io/The-9-Deep-Learning-Papers-You-Need-To-Know-About.html
然而，在训练完成后，当我们实际使用这些神经网络(例如，自动驾驶汽车使用经过训练的CNN来帮助导航汽车(时，更复杂和更准确的神经网络是否需要更多的"计算资源"(可能是CPU，内存等(来运行，而不是一个不太复杂，不太准确的神经网络？
我问一个通用的问题，神经网络不仅限于对象分类，还可以包括 NLP 或其他领域的神经网络。
如果答案是"视情况而定"，您能否提供一些比不太复杂/准确的神经网络使用更多资源运行的更复杂、更准确的神经网络示例？
最近有一篇CVPR 2017论文，标题为现代卷积对象检测器的速度/精度权衡(Huang等人(，将不同的特征提取器与一些神经网络架构进行了比较，作者称之为"元架构"。他们将 so 构建模型与其速度、内存使用情况和准确性进行比较。