model_main_jit

最新推荐文章于 2021-03-16 16:09:52 发布

AI算法网奇

最新推荐文章于 2021-03-16 16:09:52 发布

阅读量2.3k

点赞数

分类专栏： python宝典

本文链接：https://blog.csdn.net/jacke121/article/details/94407051

版权

python宝典专栏收录该内容

1007 篇文章 366 订阅 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文探讨了如何使用Just-In-Time (JIT) 编译来优化深度学习模型的主程序，通过JIT编译提升模型运行速度，降低延迟，实现更高效的计算性能。

摘要由CSDN通过智能技术生成

 anchors = [int(x) for x in config["yolo"]["anchors"].split(",")]
    anchors = [[[anchors[i], anchors[i + 1]], [anchors[i + 2], anchors[i + 3]], [anchors[i + 4], anchors[i + 5]]] for i
               in range(0, len(anchors), 6)]
    anchors.reverse()
    config["yolo"]["anchors"] = []
    for i in range(3):
        config["yolo"]["anchors"].append(anchors[i])
    # Load and initialize network
    net = ModelMain(config, is_training=is_training)
    net.train(is_training)

    # Set data parallel
    # net = nn.DataParallel(net)
    net = net.cuda()

    net.eval()  # .cuda()
    x = torch.rand(1, 3, 352, 352).cuda()

    trac

了解本专栏