EfficientNetv2测试

该博客介绍了EfficientNetv2的TensorRT整合测试,展示了不同模型尺寸和batch-size下的性能表现。在1060显卡上,224 batch支持10,而112 batch支持40,两者呈反向线性关系。文中提供了TensorFlow实现的EfficientNetv2模型参数,并给出了两个GitHub资源链接供参考。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 

https://github.com/Wulingtian/EfficientNetv2_TensorRT_int8/blob/master/effnetv2.py

 

测试代码:

if __name__ == '__main__':

    import os
    import time

    model=EfficientNet(5)
    model.cuda()
    model.eval()
    model_path = "dicenet.pth"
    torch.save(model.state_dict(), model_path)

    fsize = os.path.getsize(model_path)
    fsize = fsize / float(1024 * 1024)

    print(f"model size {round(fsize, 2)} m")

    size=224
    input = torch.rand(10, 3, size, size).cuda()
    for i in range(15):
        t1 = time.time()
        loc = model(input)

        cnt = time.time() - t1
        print(cnt, loc.size())</
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值