文章 ID: 000088711 内容类型: 维护与性能 上次审核日期: 2022 年 09 月 07 日

在 OpenVINO™ 中采用多摄像头多目标 Python* 演示,使用许多跟踪时速度很慢

BUILT IN - ARTICLE INTRO SECOND COMPONENT
总结

提高多摄像头多目标 Python 演示的性能选项

说明
  1. Multi-Camera Multi-Target Python 演示中的_compute_mct_distance_matrixfunction可通过多个摄像头检查彼此之间对每条轨道的正弦距离。
  2. 大量的追踪工作需要花费数小时到几天才能检查踪迹。
解决方法

选项 1:通过评估 PyTorch 中未见数据的模型性能 来验证 模型。

  • 使用 该函数:
    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()函数将影响自动梯度引擎并将其基本停用。程序不会反馈,因为这仅仅在于评估模型,因此不要求更改重量或偏差等。因此,它有助于减少内存使用并加快计算速度。但是,这仅适用于测试数据集,但不适用于训练数据集。

选项 2:使用后期训练优化 (POT) 加快深度学习模型的推理。

相关产品

本文适用于 1 产品

本页面上的内容是原始英文内容的人工翻译与计算机翻译的组合。我们提供此内容是为了您的便利并且仅供参考,未必完整或准确。如果本页面的英文版与翻译版之间存在任何冲突,应以英文版为准。 查看此页面的英语版本。