FasterRcnn在Jetson TX2上测速

最新推荐文章于 2023-05-16 22:59:20 发布
原创 最新推荐文章于 2023-05-16 22:59:20 发布 · 1.9k 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#Fasterrcnn TRT #Fasterrcnn tx2 #tx2+TRT测速 #tx2部署检测模型 #TensorRT

博主分享了在不同模式和精度下，使用FasterRCNN结合TensorRT在JetsonTX2上进行目标检测的速度测试结果。详细记录了在MAXN、MAXQ等模式下，开启和关闭风扇时的engine生成时间和推断时间。

博主测试了在不同模式、精度下将FasterRCNN部署到Jetson TX2上的测速结果，与大家分享讨论。
对于MaskRCNN的部署结果可参见:MaskRCNN在Jetson tx2上的测速结果

使用的Caffe版本FasterRcnn框架:rbgirshick/py-faster-rcnn

表1 Fasterrcnn+TensorRT在Jetson TX2上测速结果

次序 图像名 图像尺寸 TX2模式 风扇 生成engine 推断时间
1 test1.ppm 1000x575 MAXN 开 306s 746ms
2 test1.ppm 1000x575
最低0.47元/天 解锁文章
Nvidia Jetson TX2 运行Faster RCNN物体检测demo
sinat_20350479的博客
11-13 6999
实验室新入手了Nvidia的Jetson TX2，Ubuntu14.04+cudnn5.1+Cuda8.0+caffe运行faster rcnn的物体检测demo 先来介绍一下我们的环境，板子具体的配置过程就不再细讲，我配的是Ubuntu 14.04+cuda8.0+cudnn5.1，这里要开始画重点啦，
十八.在JetsonNano上为基于PyTorch的物体检测网络测速和选型
okgwf的博客
01-03 2751
为Jetson Nano 上的ROS系统配置基于PyTorch的物体检测
Jetson系列配置对比——Nano、TX1、TX2、AGX Xavier、Xavier NX
mathlxj的博客
11-17 2万+
Jetson开发板测速结果 1.MaskRCNN+TensorRT在Jetson tx2上的测速 2.FasterRCNN+TensorRT在Jetson TX2上测速 3.MaskRCNN+TensorRT在Jetson Xavier上的测速 4.pytorch+FasterRCNN在Jetson Xavier上的测速 5.MaskRCNN+TensorRT在Jetson Xavier NX上的测速 6.pytorch+FasterRCNN在Jetson Xavier NX上的测速 ...
我的AI之路(31)--在Jetson Nano上试验安装部署py-faster-rcnn
XCCCCZ的博客
07-13 3484
想试验英伟达的Jetson序列套件或者其他公司的类似边缘计算开发板能否跑我们的模型并部署到机器人上，于是买了块今年上市的Jetson Nano板子和一张64G的SD卡。 首先要到英伟达的网站https://developer.nvidia.com/embedded/downloads点击Jetson Nano Developer Kit SD Card Image然后...
TX2上运行py-faster-rcnn 的demo并训练自己的数据集
机器学习_成长之路
03-17 734
参考 https://blog.youkuaiyun.com/sinat_20350479/article/details/78525688 1. 下载源码 git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git 可提前下载，直接解压(py-faster-rcnn.zip) 2. 复制makefile，编译过...
MaskRCNN在Jetson tx2上的测速结果
mathlxj的博客
06-14 2788
博主测试了在不同模式、精度下降MaskRCNN部署到Jetson TX2上的测速结果，与大家分享讨论。 使用的MaskRCNN框架:matterport/Mask_RCNN 参考的TensorRT代码:sampleUffFasterRCNN TensorRT版本: 6.0.1.0 JetPack版本:4.3 TensorFLow版本(用于在服务器上训练模型):1.14.0 服务器上用于训练的CUDA版本:9.2 表1 MaskRCNN+TensorRT在Jetson TX2上测速结果 次序 图像
Jetson TX2 NX使用手册
10-09
1. **亚克力板安装**：在组装Jetson TX2 NX时，需要用到亚克力板，通过主要螺丝进行固定，并且需要安装天线以确保无线通信功能。安装过程中需遵循提供的图纸，确保所有组件正确定位。 2. **M.2固态硬盘安装**：在...
Jetson TX2原理图
09-19
根据给定的文件内容，我们可以提取出关于NVIDIA Jetson TX2开发者套件载板（Carrier Board）的相关知识点。首先，原理图是一个硬件工程师或电子工程师用于理解电路板设计细节和元件布局的重要工具。而Jetson TX2是...
Jetson TX2开发资料
05-24
2. Keras和TensorFlow：流行的深度学习框架，可在Jetson TX2上构建和训练神经网络模型。 3. PyTorch：另一种常用深度学习框架，支持动态计算图，便于实验和调试。 五、计算机视觉应用 1. OpenCV：用于图像处理和...
基于Jetson TX1的faster-rcnn的算法搭建
chenjiehua123456789的博客
03-13 2870
Data: 2016.12.19 Author: cjh Theme: Set up the faster-rcnnenvironment   由于R-FCN运行内存较大，TX1貌似性能不够，又在开发板上尝试faster-rcnn，这个遇到的问题相对比较多，废话不多说，直接上过程     步骤1：下载源码 git clone --recursive https://github
【AI】AI入门之Nvidia Jetson平台（五）- Xavier NX TensorFlow框架模型：sampleUffFasterRCNN 项目演示
顶级小学生
05-16 677
AI人工智能，深度学习，Jetson嵌入式平台，Ubuntu系统
win10系统mmdetection训练部署fasterrcnn的全过程
keep
08-04 5001
训练mmdetection中的fasterrcnn的全过程以及问题记录，修改cpp文件增加标签类别和计时，使用mmdeploy进行部署。
TensorRT4.0.1.6加速主干网络是googleNet的fasterRCNN
猫猫与橙子的博客
03-04 1848
使用TensorRT对fasterRCNN进行加速，主干网络是googleNet。 原始网络结构： tensorrt_sdk{ type: FASTERCNN_GOOGLENET in_put_layer:data out_put_layer:bbox_pred out_put_layer:cls_prob out_put_layer:rois } name: "Goog...
使用TensorRT 加速maskRCNN Benchmark
mengjiexu_cn的博客
07-12 6308
一、 所需工具 MaskRCNN benchmark的pth模型文件 pytorch.jit pytorch.onnx TensorRT 5.1 我用的是RTX2080Ti显卡 二、 加速过程 由于MaskRCNN是一个两段式的模型，所以我们可以只改写第一部分用于提取特征的backbone网络，第一部分到第二部分较为复杂同时占用的计算时间较少，所以我直接将改写好的第一部分嫁接到原本的maskr...
Jetson嵌入式系列模型部署-1
周同学的博客
08-17 1万+
Jetson嵌入式系列模型部署
Jetson Nano目标检测手把手实战教程（pytorch训练、tensorrt推理，含完整代码和数据）
你是怎么做到的？我为什么做不到
10-08 3万+
一、概述 1.1深度学习和边缘计算 2012年AlexNet模型在ImageNet数据集上取得了巨大成功，从此，深度学习技术开始进入黄金发展期。随后，深度学习在多个应用领域均大幅提升了性能指标，尤其在计算机视觉领域，超越SVM等一众传统机器学习方法。然而，深度学习的高准确性是以深度学习对计算和内存的高需求为代价的。由于输入数据可能具有很高的维数，并且需要对输入数据执行数百万次计算，因此训练和推理一个深度学习模型对空间和计算需求都很高。高准确性和高资源消耗是深度学习的特点。 ​ 为了满足深度学习...
Faster R-CNN学习笔记
热门推荐
XZZPPP的博客
06-04 5万+
Faster R-CNN（其中R对应于“Region(区域)” ）是基于深度学习R-CNN系列目标检测最好的方法。使用VOC2007+2012训练集训练，VOC2007测试集测试mAP达到73.2%，目标检测的速度可以达到每秒5帧。
运行NVIDIA的TensorRT5.0.2.6的例子sample_uff_ssd遇到的坑
xidaoliang的博客
08-19 3860
NVIDIA错误：ERROR: UFFParser: Graph error: Cycle graph detected ERROR: sample_uff_ssd: Fail to parse sample_uff_ssd: sampleUffSSD.cpp:540: int main(int, char**): Assertion `tmpEngine != nullptr' failed. ...
Simple-fasterrcnn源码学习笔记（4）
weixin_39558227的博客
11-26 855
这里主要是utils下的部分文件的补充注释 文章目录config.pyarray_tool.pyeval_tool.pyvis_tool.py不熟悉的numpy，pytorch，python操作data.detach()data.numpy()t.from_numpy(data)data.reshape(1)[0]data.item()from collections import default...
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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