OpenVINO™のマルチカメラ・マルチターゲット Python デモは、多くのトラックを使用する際に遅い

1. マルチカメラ・マルチターゲット Python の_compute_mct_distance_matrixfunctionデモでは、複数のカメラ間で各トラックとすべてのトラック間の余弦距離をチェックします。
2. 多数のトラックを使用すると、トラックをチェックするのに数時間から数日かかる場合があります。

オプション 1: PyTorch 内の見えないデータのモデル・パフォーマンスを評価してモデルを 検証 します。

• この機能を使用します。
  with torch.no_grad():
  for i,data in enumerate(X_test):
  y_val = model.forward(data) #this function is to grab prediction

• with torch.no_grad()関数は、自動グラジエントエンジンに影響を与え、基本的にそれを停止します。これはモデルを評価することだけに過ぎないため、プログラムはバックプロパゲーションを強調しないため、重みやバイアスを変更する必要はありません。そのため、メモリ使用量を削減し、計算を高速化するのに役立ちます。ただし、これはテスト データセットにのみ適用されますが、トレーニング データセットには適用されません。

オプション 2: トレーニング後最適化 (POT) を使用して、ディープラーニング・モデルの推論を高速化します。

• POT は推論時間を短縮するのに役立つ Low Precision Optimization を使用します。モデルの再トレーニングや微調整なしで POT を適用できるため、POT はトレーニング・データセットやパイプラインを必要としません。
• ステップバイステップの実装については、トレーニング後最適化ツールのコマンドライン・インターフェイスを使用を参照してください。