ข้ามไปที่เนื้อหาหลัก
ฐานความรู้เกี่ยวกับการสนับสนุน

ความแม่นยําลดลงหลังจากแปลงรุ่น ONNX เป็น Intermediate Representation (IR)

ประเภทข้อมูล: การบำรุงรักษาและประสิทธิภาพ   |   ID บทความ: 000088868   |   การตรวจสอบครั้งล่าสุด: 07/07/2022

คำอธิบาย

  • โมเดล ONNX ที่แปลงเป็น IR
  • Ran IR พร้อม เครื่องมือ Benchmark C++ และความแม่นยําด้านประสิทธิภาพลดลง 20% เมื่อเทียบกับการใช้งานโมเดล ONNX กับ PyTorch
  • ไม่สามารถระบุวิธีประมวลผลภาพก่อนเพื่อความแม่นยําที่ดีขึ้น

ความละเอียด

ตัวตรวจสอบความถูกต้อง รองรับ ชุดโปรเซสเซอร์เบื้องต้น ในการประมวลผลข้อมูลอินพุตก่อนการอนุมานของโมเดล

เปลี่ยน ประเภทของโปรเซสเซอร์สําเร็จรูปที่รองรับในไฟล์กําหนดค่าเพื่อให้ได้ความแม่นยําสูงสุด

ผลิตภัณฑ์ที่เกี่ยวข้อง

บทความนี้จะนำไปใช้กับผลิตภัณฑ์ 4 รายการ
ซอฟต์แวร์โปรเซสเซอร์ Intel® Xeon Phi™ OpenVINO™ toolkit Performance Libraries

ผลิตภัณฑ์ที่ยุติการผลิต

Intel® Developer Cloud สำหรับ Edge

ข้อสงวนสิทธิ์

เนื้อหาในหน้านี้เป็นการผสมผสานระหว่างการแปลเนื้อหาต้นฉบับภาษาอังกฤษโดยมนุษย์และคอมพิวเตอร์ เนื้อหานี้จัดทำขึ้นเพื่อความสะดวกของคุณและเพื่อเป็นข้อมูลทั่วไปเท่านั้นและไม่ควรอ้างอิงว่าสมบูรณ์หรือถูกต้อง หากมีความขัดแย้งใด ๆ ระหว่างเวอร์ชันภาษาอังกฤษของหน้านี้กับคำแปล เวอร์ชันภาษาอังกฤษจะมีผลเหนือกว่าและควบคุม ดูเวอร์ชันภาษาอังกฤษของหน้านี้

ต้องการความช่วยเหลือเพิ่มเติมหรือไม่?

ติดต่อฝ่ายสนับสนุน
ติดต่อฝ่ายสนับสนุน