TX2上yolov3精度和速度优化方向
Posted U_C
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了TX2上yolov3精度和速度优化方向相关的知识,希望对你有一定的参考价值。
速度优化的方向:
1、减少输入图片的尺寸, 但是相应的准确率可能会有所下降
2、优化darknet工程源代码(去掉一些不必要的运算量或者优化运算过程)
3、剪枝和量化yolov3网络(压缩模型---> 减枝可以参考tiny-yolo的过程 , 量化可能想到的就是定点化可能也需要牺牲精度)
4、darknet -----> caffe/tensorflow + tensorrt(主要是针对GPU这块的计算优化)
精度优化的方向:
1、增加数据量和数据种类(coco + voc + kitti数据集训练)
2、超参数的调整:(batch learnrate)
以上是关于TX2上yolov3精度和速度优化方向的主要内容,如果未能解决你的问题,请参考以下文章
YOLOv3处理图片优化——cuda bilinear resize