粉丝1.1万获赞4.4万

优乐威武的一个环境配置。第一步呢,首先安装拍身三点九,下载拍身三点九六四位的版本,然后安装,安装的时候呢,安装路径啊尽量短一些啊,不要有中文。 在这呢,就选了 c 盘拍摄目录下的拍摄三角,然后点击安装,安装完成后点击关闭按钮,关闭窗口。 第二步,安装拍岔嘛,拍岔嘛的安装很简单,双击安装包,点击下一步啊进度条,完成后点击分律式就可以了,打开拍岔, 那么在文件菜单找到创建新项目,然后新建一个拍摄项目,选择好保存的目录,取个名字,在这呢取成了 tys 的幺六五, 从 gap 上面下载下来幺六五的原单码,然后将它解压到你的硬盘,然后全选原码拷贝到你的项目跟目录下, 然后从你项目的原码跟目录下找到 requirement, 点 txt, 然后通过属性复制他的路径回到拍岔码。在你项目的中端窗口内利用拍拍点 install 然后安装。在安装的过程中可能会提示你的拍派版本太低的一个警告,这个时候你可以升级你的拍派,升级完拍派再进行安装。 我们刚才安装的幺六五的原码实际上是需要扩大的支持的,因此呢,我们需要去他的网站上下载十点二版本的扩大进行安装,具体安装按默认设置就可以 扩大。安装完成后,实际上环境已经搭建完毕了,这个时候可以运行项目跟目录下的 detect。 第二派来验证一下环境的有效, 这个时候可能会由于网络的原因导致无法自动下载模型,文件会爆错, 这样呢,我们可以手工将模型文件下载下来,放到项目的根部录像就可以了,下载完了以后去测试 项目跟目录下的对特下面的一麦纸下的两个例子,图片可以顺利的检测,再从网上随便找一个 图片进行检测,也可以正常进行检测,这样我们的环境搭建工作呢就完成了。

今天我们来实测一下 v 四和 v 八的性能效果,以下测试仅代表个人观点,肯定有其他大佬开发和优化的更好。我们先来训练 v 四模型, v 三和 v 四模型基本是通用的输入宽高统一训练六百四十, 训练起来了,先挂机让他训练吧。 训练了四千次,耗时一个半小时,虚线开始有平缓迹象。测试 b 四模型效果, 这里直接转换成 param 和并格时的模型, 模型识别没有问题。 接下来训练 d 八的模型, 只训练了三分钟, 测试一下模型效果, 模型没有问题了,下面我们来直接对比识别效果。 嗯嗯嗯, 下面我们用代码来调用模型检验识别速度, 我们分别调用 v 四和 v 八进行图片识别,识别一千次求平均耗时, d 四识别一千次,单次平均耗时十毫米。 测试 v 八识别 v 八识别一千次,单次平均耗时十五毫米。 v 四的图片宽高一般使用四幺六, v 八的该参数为六百四十, v 四识别的时候使用四幺六的话,识别速度会更快, 此次平均耗时七点八九毫秒。总结一下此次测评的结论,第八训练速度比第四快非常多,弊端是识别需要附带三 g 的环境包, 在相同参数下,类似的识别速度越快。于力巴最终的识别效果基本上差不多,力似在训练方面所要付出的精力比力巴所需要更多。