Closed leehanjeong closed 1 year ago
processor | TF ver. | model | batch size | accuracy | model load time | dataset load time | inference time | inference time(avg) | IPS | IPS(inf) |
---|---|---|---|---|---|---|---|---|---|---|
CPU | 1 | coral MobileNet V1 | 1 | 0.777 | 0.025 | 22.472 | 44.595 | 0.165 | 14.905 | 6.071 |
CPU | 2 | coral MobileNet V1 | 1 | 0.747 | 0.024 | 21.559 | 48.027 | 0.179 | 14.366 | 5.598 |
CPU | 1 | coral MobileNet V2 | 1 | 0.793 | 0.025 | 21.485 | 43.172 | 0.161 | 15.460 | 6.223 |
CPU | 2 | coral MobileNet V2 | 1 | 0.700 | 0.045 | 21.483 | 45.825 | 0.167 | 14.847 | 5.983 |
TPU | 1 | coral MobileNet V1 | 1 | 0.777 | 3.126 | 21.472 | 15.834 | 0.015 | 24.733 | 65.151 |
TPU | 2 | coral MobileNet V1 | 1 | 0.747 | 3.127 | 21.451 | 16.052 | 0.016 | 24.613 | 64.217 |
TPU | 1 | coral MobileNet V2 | 1 | 0.794 | 3.125 | 21.537 | 17.231 | 0.017 | 23.870 | 59.747 |
TPU | 2 | coral MobileNet V2 | 1 | 0.706 | 3.130 | 21.497 | 17.427 | 0.017 | 23.779 | 59.091 |
비교 결과, 정확성과 추론시간 모두 TF ver. 1을 사용할 때 더 우수함을 볼 수 있었습니다. 하지만 저희에게 중요한 추론 시간만을 봤을 때 많은 차이가 나는 것은 아닌 것 같습니다. 참고로 CPU에서는 빠른 실험을 위해 멀티프로세싱 코드로 실험하였습니다.
그러면 가능하면 v2의 모델을 사용하지만, TF v1 만 있는 모델이 있다면 그냥 그걸 돌려봐도 성능 메트릭상의 큰 차이점은 없을걸로 보이네. 편한 마음으로 TF v1 모델을 사용해도 될것 같아. good check!
coral.ai에서 제공하는 동일한 모델의 TF ver.1과 TF ver.2에서의 추론 성능을 EdgeTPU와 CPU에서 비교합니다.