TX2上yolov3精度和速度优化方向

标签：--   tensor   源代码   caffe   输入   计算   数据集   参数   种类   

速度优化的方向：

1、减少输入图片的尺寸， 但是相应的准确率可能会有所下降
2、优化darknet工程源代码（去掉一些不必要的运算量或者优化运算过程）
3、剪枝和量化yolov3网络（压缩模型---> 减枝可以参考tiny-yolo的过程 ， 量化可能想到的就是定点化可能也需要牺牲精度）
4、darknet -----> caffe/tensorflow + tensorrt（主要是针对GPU这块的计算优化）

精度优化的方向：

1、增加数据量和数据种类（coco + voc + kitti数据集训练）
2、超参数的调整：（batch learnrate）

TX2上yolov3精度和速度优化方向

标签：--   tensor   源代码   caffe   输入   计算   数据集   参数   种类   

原文地址：https://www.cnblogs.com/llfctt/p/9037685.html