文章研究了一个训练好的神经网络SSD_MobileNet_V2_COCO的性能。建议使用OpenVINO工具包来提高网络性能。性能评估由帧处理时间的倒数计算,它表征每秒处理的帧数。数据集COCO(由微软公司提供)被用作源数据集。在这种情况下,从这个数据集中选取了200张图像,在处理过程中,所有的图像都被缩小到相同的尺寸300x300。研究表明,使用OpenVINO使神经网络SSD_MobileNet_V2_COCO的性能平均提高了130倍。同时,与仅使用TensorFlow启动网络相比,使用OpenVINO的网络性能方差显著增加。不过,在英特尔处理器上使用这种加速器仍然是合适的。
我要赚赏金打赏帖 |
|
|---|---|
| 告别手动建模:我让AI用FreeCAD画了个开发板外壳被打赏¥30元 | |
| 【瑞萨RA8D1测评】总结收官——从IMU动作识别到LVGL桌宠被打赏¥33元 | |
| 【瑞萨BLE/WIFI模块测评】MPU6050双链路对比被打赏¥30元 | |
| 【瑞萨BLE/WIFI模块测评】DA14531被打赏¥28元 | |
| 【瑞萨BLE/WI-FI模块测评】DA16200被打赏¥28元 | |
| 【瑞萨BLE/WIFI模块测评】环境搭建被打赏¥32元 | |
| 【瑞萨RA8D1测评】LVGL显示动画被打赏¥30元 | |
| 【瑞萨RA8D1测评】IMU动作识别的数据采集与模型训练被打赏¥33元 | |
| 【S32K3学习整理】时钟系统 ClockOut 功能被打赏¥28元 | |
| 【S32K3学习整理】以太网LoopBack模式功能验证被打赏¥26元 | |
我要赚赏金
