YoloV5l模型训练+剪枝+转caffe+AI1部署测试
前言
记录一下AI1上踩过的坑,先说结论AI1对yolov5宽度不敏感,只对深度敏感(yolov5l实测)。要是看到这篇文章的朋友有不同结论,欢迎留言讨论!
提示:以下是本篇文章正文内容,下面案例可供参考
一、YoloV5l模型训练+剪枝+转caffe
训练代码参考yolov5_v4,
剪枝代码参考YoloV5sl_V4_prune
转换好的caffe模型参考YoloV5l-Caffe
按照上述repo的步骤,剪枝参数为prune 0.8、 keep layer 0.01、8x
二、PC端测试
time | f1score | |
---|---|---|
yolov5l | 0.022 s | 0.845 |
yolov5l prune | 0.015 s | 0.804 |
三、AI1端测试
这里没在AI1上测试yolo5l原始模型的速度,因为v5l原始模型在电脑上速度跟yolov3差不多。所以就用现成的v3模型与yolo5l剪枝后的模型比较计算速度。以下计时只是device侧耗时,且device不计算Focus模块。是不是很迷,剪枝后速度竟然没有变化–_-- !!!
time | |
---|---|
yolov3 | 28 ms |
yolov5l prune | 28 ms |