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