文章 ID: 000059581 內容類型: 維護與效能最近查看日期: 2022 年 05 月 20 日

為什麼深度學習（DL）工作臺中的每秒框架（FPS）高於示範推斷腳本OpenVINO™？

BUILT IN - ARTICLE INTRO SECOND COMPONENT

摘要

影響推斷效能的因素

描述

在 DL Workbench 上以 Microsoft Common Object in CoNtext （MS COCO）資料集執行 YOLOv4 物件偵測模型，並取得 50 - 60 FPS。
執行 OpenVINO™ 示範推斷腳本，並取得更高的 FPS。

解決方法

推斷結果可能因許多因素而異：

本地機器的負載
使用OpenVINO™工具組 API
使用的工具

摘要
描述
解決方法

需要更多協助嗎？

聯絡支援部門

免責聲明

¹

所有在本網站登出的文章及相關內容的使用均受到 Intel.com 使用條款的約束。

這個頁面的內容綜合了英文原始內容的人工翻譯譯文與機器翻譯譯文。本內容是基於一般資訊目的，方便您參考而提供，不應視同完整或準確的內容。如果這個頁面的英文版與譯文之間發生任何牴觸，將受英文版規範及管轄。查看這個頁面的英文版。