Closed beizhengren closed 4 years ago
@beizhengren 其实sample_detector的time是包括pre-process和post process,inference time是比detect time短;darknet是inference time 不包括pre process和post process。 而且,darknet的计算复杂度和fp32下的复杂度本身就是接近的,只是trt降低了显存的使用
@enazoe 按照您说的, 我试了下只对doinference做测试, 帧率在20fps. 是的,我测试darknet显存大概占用1.5G, 而您的工程在1G左右.
set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -std=c++14 -Wno-write-strings")
我在编译的时候改成了c++14, 否则会有bug. 谢谢
@beizhengren 1.是的,无标签图片是用于int8校准的,就是因为int8序列化时候可表示的位数变少,需要训练的图片做校准 2.改为c++14不确定会不会有问题,不过你可以试试。
@enazoe 感谢! 1.那这些图片是从训练集中随机选取就可以吗?对数量有没有要求呢? 2.c++11会报找不到make_unique().可能是我本地的环境吧.
@beizhengren 没有要求,100张左右吧,记得好像是在官网看到过,但是记不太清了,越多校准时间越长
@enazoe 好! 我明白了,等有其他问题再向您请教 感谢!
@enazoe 您好, 感谢您的无私贡献. 1.环境 Ubuntu 18.04, 1060TI, Tensorrt 7, CUDA 10.0, Opencv 3.3.1
2.问题: 我在本地pc测试sample_detector, 用的默认的FP32, yolov4: sample_detector的inference在
16fps
. darknet yolov4的inference也在15fps
感觉相差不大.请问是不是哪里不正确?感谢