ID del artículo: 000088869 Tipo de contenido: Resolución de problemas Última revisión: 08/09/2022

¿Cómo puedo mejorar el desempeño de inferencia del modelo YOLOv4?

BUILT IN - ARTICLE INTRO SECOND COMPONENT
Resumen

Utilice la Herramienta de optimización posterior a la capacitación (POT) para acelerar la inferencia de los modelos de aprendizaje profundo.

Descripción
  • Capacítese en un modelo YOLOv4 con imágenes no cuadradas utilizando PyTorch.
  • Convirtió las pesos al archivo ONNX y, a continuación, a Representación intermedia (IR).
  • No se puede determinar cómo lograr un mejor desempeño de inferencia.
Resolución

La herramienta de optimización posentrenamiento (POT) se diseñó para acelerar la inferencia de los modelos de aprendizaje profundo mediante la aplicación de métodos especiales sin el entrenamiento del modelo o el ajuste preciso.

Más información

Consulte Capacitación sobre imágenes no cuadradas e Inferencia Desi, en el que se explica cómo implementar imágenes entrenadas no cuadradas en el modelo YOLO.

Productos relacionados

Este artículo se aplica a 2 productos

Intel® Developer Cloud para red perimetral

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.