ID Artikel: 000059581 Jenis Konten: Perawatan & Kinerja Terakhir Ditinjau: 20/05/2022

Mengapa Frame per Second (FPS) dalam Workbench Deep Learning (DL) Lebih Tinggi dari Skrip Inferensi Demo OpenVINO™?

BUILT IN - ARTICLE INTRO SECOND COMPONENT
Ringkasan

Faktor yang memengaruhi performa inferensi

Deskripsi
  1. Menjalankan model Deteksi Objek YOLOv4 dengan kumpulan data Microsoft Common Object in Context (MS COCO) pada DL Workbench dan dapatkan 50 - 60 FPS.
  2. Menjalankan Skrip Inferensi Demo OpenVINO™ dan mendapatkan FPS yang lebih tinggi.
Resolusi

Hasil Inferensi mungkin berbeda tergantung pada banyak faktor:

  • Muat mesin lokal
  • Penggunaan API toolkit OpenVINO™
  • Alat yang digunakan

Produk Terkait

Artikel ini berlaku untuk 2 produk

Intel® DevCloud untuk Edge
Toolkit OpenVINO™

Perlu bantuan lainnya?

Hubungi dukungan

Pelepasan tanggung jawab

1

Semua posting dan penggunaan konten di situs ini tunduk pada Syarat Penggunaan Intel.co.id.

Isi halaman ini adalah kombinasi terjemahan manusia dan komputer dari konten berbahasa Inggris. Konten ini diberikan hanya untuk kenyamanan Anda serta sebagai informasi umum dan tidak bisa dianggap sebagai lengkap atau akurat. Jika terdapat kontradiksi antara versi bahasa Inggris halaman ini dan terjemahannya, versi bahasa Inggris akan didahulukan. Lihat versi bahasa Inggris halaman ini.