文章 ID: 000088869 內容類型: 疑難排解 最近查看日期: 2022 年 09 月 08 日

如何改善 YOLOv4 模型的推斷效能?

BUILT IN - ARTICLE INTRO SECOND COMPONENT
摘要

使用訓練後優化工具 (POT) 來加速深度學習模型的推斷。

描述
  • 使用 PyTorch訓練具有非方形影像的 YOLOv4 模型。
  • 將權重轉換為ONNX 檔案,然後轉換為中間表示 (IR)。
  • 無法判斷如何實現更優異的推斷效能。
解決方法

訓練後優化工具 (POT)的設計旨在透過不進行模型重新訓練或微調的特殊方法來加速深度學習模型的推斷。

額外資訊

請參閱 非方形影像 訓練與 矩形推斷 ,瞭解如何在 YOLO 模型上實作非方塊式訓練影像。

相關產品

本文章適用於 2 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。