문서 ID: 000088711 콘텐츠 형태: 유지 관리 및 성능 마지막 검토일: 2022-09-07

여러 트랙을 사용할 때 OpenVINO™ 멀티 카메라 멀티 타겟 Python* 데모가 느립니다.

BUILT IN - ARTICLE INTRO SECOND COMPONENT
요약

멀티 카메라 멀티 타겟 파이썬 데모의 성능을 향상시키는 옵션

설명
  1. 멀티 카메라 멀티 타겟 파이썬 데모의 _compute_mct_distance_matrixfunction 여러 카메라에서 각 트랙과 모든 트랙 사이의 코사인 거리를 확인합니다.
  2. 많은 수의 트랙이 트랙을 확인하는 데 수시간에서 며칠이 소요됩니다.
해결 방법

옵션 1: PyTorch의 보이지 않는 데이터에서 모델 성능을 평가하여 모델의 유효성을 검증 합니다.

  • 다음 기능을 사용하십시오 .
    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() 기능은 자동 그라디언트 엔진에 영향을 미치고 본질적으로 비활성화합니다. 이 프로그램은 모델을 평가하는 것에 불과하기 때문에 백프로포지션을 강조하지 않으므로 무게나 편견 등을 변경할 필요가 없습니다. 따라서 메모리 사용량을 줄이고 계산 속도를 높이는 데 도움이 됩니다. 그러나 이 정보는 테스트 데이터 집합에만 적용할 수 있지만 교육 데이터 집합은 적용할 수 없습니다.

옵션 2: POT(교육 후 최적화)를 사용하여 딥 러닝 모델의 추론을 가속화합니다.

관련 제품

이 문서는 다음 항목에 적용됩니다. 1 제품

이 페이지의 콘텐츠는 원본 영어 콘텐츠에 대한 사람 번역 및 컴퓨터 번역의 조합으로 완성되었습니다. 이 콘텐츠는 편의와 일반적인 정보 제공을 위해서만 제공되었으며, 완전하거나 정확한 것으로 간주되어선 안 됩니다. 이 페이지의 영어 버전과 번역 간 모순이 있는 경우, 영어 버전이 우선적으로 적용됩니다. 이 페이지의 영어 버전을 확인하십시오.