Closed richjjj closed 3 years ago
@chongzhong 模型并没有比v3-tiny小,模型输入的大小不代表模型大小,v5的两个模型的深度是比v3-tiny大的多,你测试的onnx版本的时间是inference时间还是detect时间(包含pre和post),我这个打印的时间是detect时间,你要想测试inference时间可以把https://github.com/enazoe/yolo-tensorrt/blob/master/modules/yolo.cpp#L922 和936行的注释去掉再测试下
@enazoe 谢谢,onnx的包括了pre和post
@chongzhong onnx的版本batch size也是2吗?
是的,输入尺寸不清楚了,我再看看。 非常感谢,我弄错了,yolov5m的flops的确更多。
抱歉,python测试的是yolov5s, jetson nano平台,batchsize=2,尺寸320x320,推理速度(包括pre和post)约110ms, 和本项目速度差不多。
@chongzhong 哦哦
您好,我在jetson nano平台上测试了yolov3-tiny和yolov5的性能
有个疑问,为什么yolov5s和yolov5m模型比yolov3-tiny小,而推理速度确更慢?
之前我也通过python 测试过yolov5s(pytorch->onnx->tensorrt),而推理耗时在100ms左右,比这个C++的版本快些。