yolov5测试

这个参数感觉不需要，去掉了。

self.training |= self.export

https://github.com/ultralytics/yolov5

测试结果：

1060上，640*640 模型27m yolov5s batch size 12是ok的

1060上，640*640 模型85m yolov5m batch size 8是ok的

测试代码：

  

   

    

     

    
    

     

      if __name__ == '__main__':
     
    
   

    

     

    
    

     

          parser = argparse.ArgumentParser()
     
    
   

    

     

    
    

     

          parser.add_argument('--cfg', type=str, default='yolov5s.yaml', help='model.yaml')
     
    
   

    

     

    
    

     

          parser.add_argument('--device', default='0', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
     
    
   

    

     

    
    

     

          opt = parser.parse_args()
     
    
   

    

     

    
    

     

          opt.cfg = glob.glob('./**/' + opt.cfg, recursive=True)[0]  # find file
     
    
   

    

     

    
    

     

          device = torch_utils.select_device(opt.device)
     
    
   

    

     

    
    

     

       
     
    
   

    

     

    
    

     

          # Create model
     
    
   

    

     

    
    

     

          model = Model(opt.cfg).to(device)
     
    
   

    

     

    
    

     

          model.eval()
     
    
   

    

     

    
    

     

          torch.save(model.state_dict(), f'v2.pth')
     
    
   

    

     

    
    

     

          input = torch.randn(12, 3, 640, 640).cuda()
     
    
   

    

     

    
    

     

          for i in range(10):
     
    
   

    

     

    
    

     

              start = time.time()
     
    
   

    

     

    
    

     

              output = model(input)
     
    
   

    

     

    
    

     

              print('output.size ', time.time() - start, output[0].size())
     
    
   

    

     

    
    

     

              del output
     
    
  
 

文章来源: blog.csdn.net，作者：网奇，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/jacke121/article/details/106753795