Artikel-ID: 000059581 Inhaltstyp: Wartung und Leistung Letzte Überprüfung: 20.05.2022

Warum ist der Frame-per-Second (FPS) in Deep Learning (DL) Workbench höher als OpenVINO™ Demo-Inferenz-Skript?

BUILT IN - ARTICLE INTRO SECOND COMPONENT
Zusammenfassung

Faktoren, die die Inferenzleistung beeinflussen

Beschreibung
  1. Führte das YOLOv4-Objekterkennungsmodell mit Microsoft Common Object in Context (MS COCO)-Datensatz auf der DL Workbench aus und bezog 50 bis 60 FPS.
  2. Führte OpenVINO™ Demo-Inferenz-Skript durch und erhielt höhere FPS.
Lösung

Die Ergebnisse der Inferenz können von vielen Faktoren abhängig sein:

  • Laden einer lokalen Maschine
  • Verwendung OpenVINO™ Toolkit-API
  • Verwendete Tools

Zugehörige Produkte

Dieser Artikel bezieht sich auf 2 Produkte

Der Inhalt dieser Seite ist eine Kombination aus menschlicher und computerbasierter Übersetzung des originalen, englischsprachigen Inhalts. Dieser Inhalt wird zum besseren Verständnis und nur zur allgemeinen Information bereitgestellt und sollte nicht als vollständig oder fehlerfrei betrachtet werden. Sollte eine Diskrepanz zwischen der englischsprachigen Version dieser Seite und der Übersetzung auftreten, gilt die englische Version. Englische Version dieser Seite anzeigen.