ID บทความ: 000088711 ประเภทข้อมูล: การบำรุงรักษาและประสิทธิภาพ การตรวจสอบครั้งล่าสุด: 07/09/2022

การสาธิต Python* แบบหลายเป้าหมายของกล้องหลายตัวในOpenVINO™ช้าเมื่อใช้หลายแทร็ก

BUILT IN - ARTICLE INTRO SECOND COMPONENT
สรุปข้อมูล

ตัวเลือกเพื่อปรับปรุงประสิทธิภาพของการสาธิต Python แบบหลายเป้าหมายของกล้องหลายตัว

คำอธิบาย
  1. _compute_mct_distance_matrixfunctionในการ สาธิต Python แบบหลายเป้าหมายของกล้องหลายตัว จะตรวจสอบระยะห่างของโคไซน์ระหว่างแต่ละแทร็กและทุกแทร็กระหว่างกันผ่านกล้องหลายตัว
  2. แทร็กจํานวนมากอาจต้องใช้เวลาหลายชั่วโมงในการตรวจสอบแทร็ก
ความละเอียด

ตัวเลือกที่ 1: ตรวจสอบความถูกต้องของ โมเดลโดยการประเมินประสิทธิภาพของโมเดลจากข้อมูลที่ยังไม่เกิดขึ้นใน PyTorch

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

  • ฟังก์ชัน with torch.no_grad() จะส่งผลกระทบต่อเอ็นจินการไล่ระดับสีอัตโนมัติและจะปิดใช้งานโดยพื้นฐาน โปรแกรมจะไม่เน้น backpropagation เนื่องจากนี่เป็นเพียงการประเมินโมเดล จึงไม่มีข้อกําหนดในการเปลี่ยนน้ําหนักหรืออคติ ฯลฯ จึงช่วยลดการใช้หน่วยความจําและเพิ่มความเร็วในการประมวลผล อย่างไรก็ตาม ข้อมูลนี้ใช้ได้กับชุดข้อมูลการทดสอบเท่านั้น แต่ไม่ใช้กับชุดข้อมูลการฝึกอบรม

ตัวเลือกที่ 2: เร่งการอนุมานของโมเดลการเรียนรู้เชิงลึกโดยใช้การเพิ่มประสิทธิภาพหลังการฝึกอบรม (POT)

ผลิตภัณฑ์ที่เกี่ยวข้อง

บทความนี้จะนำไปใช้กับ 1 ผลิตภัณฑ์

เนื้อหาในหน้านี้เป็นการผสมผสานระหว่างการแปลเนื้อหาต้นฉบับภาษาอังกฤษโดยมนุษย์และคอมพิวเตอร์ เนื้อหานี้จัดทำขึ้นเพื่อความสะดวกของคุณและเพื่อเป็นข้อมูลทั่วไปเท่านั้นและไม่ควรอ้างอิงว่าสมบูรณ์หรือถูกต้อง หากมีความขัดแย้งใด ๆ ระหว่างเวอร์ชันภาษาอังกฤษของหน้านี้กับคำแปล เวอร์ชันภาษาอังกฤษจะมีผลเหนือกว่าและควบคุม ดูเวอร์ชันภาษาอังกฤษของหน้านี้