ID del artículo: 000059581 Tipo de contenido: Mantenimiento y desempeño Última revisión: 20/05/2022

¿Por qué el fotograma por segundo (FPS) en Deep Learning (DL) Workbench es mayor que OpenVINO™ secuencia de comandos de inferencia de demostración?

BUILT IN - ARTICLE INTRO SECOND COMPONENT
Resumen

Factores que afectan el desempeño de la inferencia

Descripción
  1. Ran YOLOv4 Object Detection Model con el conjunto de datos Microsoft Common Object in Context (MS COCO) en DL Workbench y obtenga entre 50 y 60 FPS.
  2. Se ejecutó OpenVINO™ secuencia de comandos de inferencia de demostración y obtuvo FPS más altos.
Resolución

Los resultados de la inferencia pueden variar según muchos factores:

  • Carga del equipo local
  • Uso de la API del kit de herramientas OpenVINO™
  • Herramientas utilizadas

Productos relacionados

Este artículo se aplica a 2 productos

Intel® DevCloud para la periferia

El contenido de esta página es una combinación de la traducción humana y automática del contenido original en inglés. Este contenido se ofrece únicamente para su comodidad como información general y no debe considerarse completa o precisa. Si hay alguna contradicción entre la versión en inglés de esta página y la traducción, prevalecerá la versión en inglés. Consulte la versión en inglés de esta página.