用ResNet18对CIFAR10做迁移学习，仅改变FC层输出通道数的情况下训练非常慢

本人初学CNN网络，最近在Pytorch上用ResNet18对CIFAR10做迁移学习，仅改变最后Linear层的输出通道数为10的情况下，运行发现即使是训练1个epoch也非常缓；

慢，本以为前面卷积层的参数都设定了requires_grad=False的情况下，只是训练最后全连接层的5000多个参数应该会很快（好吧，我承认买不起GPU，只用了块i5的CPU）；

同时，我自己搭建了一个4层的CNN，最后全连接层的参数达到13万个，但加上前面的卷积层训练速度也要比迁移过来的ResNet快很多，不知道什么原因；

图片1是我自己搭建的4层CNN数据结构，图片2是迁移过来的Resnet18的数据结构；

不知道问题出在哪里，本人对影响计算量的主要因素还一知半解，望指教；

图1

图2