文章 ID: 000088711 內容類型: 維護與效能 最近查看日期: 2022 年 09 月 07 日

多重攝影機多目標 Python* 示範在OpenVINO™使用許多軌道時速度緩慢

BUILT IN - ARTICLE INTRO SECOND COMPONENT
摘要

改善多重攝影機多目標 Python 示範效能的選項

描述
  1. 多重攝影機多目標 Python Demo中的_compute_mct_distance_matrixfunction可透過多台攝影機,檢查每一條軌道之間的舒適距離。
  2. 大量的鐵軌需要花費數小時到數天才能檢查鐵軌。
解決方法

選項 1:透過評估 PyTorch 中看不見資料的模型效能來 驗證 模型。

  • 使用 此功能:
    with torch.no_grad():
    for i,data in enumerate(X_test):
    y_val = model.forward(data) #this function is to grab prediction

  • with torch.no_grad()功能會影響自動梯度引擎,並基本上將其停用。此程式不會強調後端程式,因為這只是為了評估模型,因此不需要改變重量或偏見等。因此,它有助於減少記憶體使用量並加速運算。然而,這僅適用于測試資料集,但不適用於訓練資料集。

選項 2:使用訓練後優化 (POT) 加速深度學習模型的推斷。

相關產品

本文章適用於 1 產品

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。