训练完卷积神经网络图像分类的实时性

卷积神经网络图像分类的实时性取决于多个因素，包括网络结构、输入图像大小、硬件设备、代码实现等。一般来说，网络结构越复杂、输入图像越大、硬件设备越低端，实时性就会越差。

在保证准确率的前提下，可以通过以下方法提高卷积神经网络图像分类的实时性：

1. 优化网络结构：可以使用轻量级网络结构，如MobileNet、ShuffleNet等，来减少网络参数和计算量。

2. 降低输入图像大小：可以将输入图像缩小到合适的尺寸，以减少计算量。

3. 使用硬件加速：可以使用GPU、TPU等高性能硬件设备来加速计算。

4. 优化代码实现：可以使用高效的代码实现和并行计算等技术来提高计算效率。

综上所述，卷积神经网络图像分类的实时性需要根据具体情况进行优化，同时要保证准确率。