記事 ID: 000088869 コンテンツタイプ: トラブルシューティング 最終改訂日: 2022/09/08

YOLOv4 モデルの推論パフォーマンスを向上させる方法を教えてください。

BUILT IN - ARTICLE INTRO SECOND COMPONENT
概要

トレーニング後最適化ツール (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。

詳細
  • PyTorch を使用して非正方形画像で YOLOv4 モデルをトレーニング。
  • ウェイトを ONNX ファイルに変換し、次に中間リプレゼンテーション (IR) に変換しました
  • 推論パフォーマンスを向上させる方法を判断できません。
解決方法

トレーニング後最適化ツール (POT) は、モデルの再トレーニングや微調整なしで特別な方法を適用することで、ディープラーニング・モデルの推論を高速化するように設計されています。

追加情報

YOLO モデル で非正方形のトレーニング済み画像 を実装する方法については、非正方形画像と 矩形推論 に関するトレーニングを参照してください。

このページのコンテンツは、元の英語のコンテンツを人力翻訳および機械翻訳したものが混在しています。この内容は参考情報および一般的な情報を提供するためものであり、情報の正確さと完全性を保証するものではありません。インテルは不正確な翻訳があった場合でもいかなる責任を負いません。このページの英語版と翻訳の間に矛盾がある場合は、英語版に準拠します。 このページの英語版をご覧ください。