1. 程式人生 > >TX2上yolov3精度和速度優化方向

TX2上yolov3精度和速度優化方向

RR tensor 不必要 lov CA 源代碼 尺寸 和數 方向

速度優化的方向:

1、減少輸入圖片的尺寸, 但是相應的準確率可能會有所下降
2、優化darknet工程源代碼(去掉一些不必要的運算量或者優化運算過程)
3、剪枝和量化yolov3網絡(壓縮模型---> 減枝可以參考tiny-yolo的過程 , 量化可能想到的就是定點化可能也需要犧牲精度)
4、darknet -----> caffe/tensorflow + tensorrt(主要是針對GPU這塊的計算優化)

精度優化的方向:

1、增加數據量和數據種類(coco + voc + kitti數據集訓練)
2、超參數的調整:(batch learnrate)

TX2上yolov3精度和速度優化方向