YOLOv5 detect.py开启半精度推理
YOLOv5开启半精度推理一般会有这么一个流程:
pt -> onnx -> engine
找到这么一个博客,就是使用YOLOv5的expect.py进行转换,然后运行engine文件进行推理的:半精度推理
上面这个博客应该是没有问题的,但是我现在环境没装好,还没办法实践,等环境装好后会补充测试。
但是在我装环境的过程中我发现,在detect.py中的模型参数包含了开启半精度的选项parser.add_argument('--half', action='store_true', help='use FP16 half-precision inference')
,所以我就尝试着做了一下测试。
我这里分别使用YOLOv5s和YOLOv5x进行了一下测试:开启半精度预测之后,根据下面两个表格可以看出,模型越大,检测的图片越多,那么半精度推理所提高的速度也就越多。
但是我也有存在疑问的,精度下降得多不多?由于是使用了detect.py文件进行推理的,无法判断,现在想到的办法是去查看测试得到的CSV文件。根据CSV文件所展示的,开启半精度之后预测的概率确实是会降低的。更具体的精度比较如果后面有想到了实验的方法,也会进行补充。