我有一个tensorflow模型,并转换为tensorrt模型。Tensorflow模型的uff转换如下所示。输入是图像,输出是Openpose/concat_stage7 NOTE: UFF has been tested with TensorFlow 1.12.0.Openpose/concat_stage7No. node
我正在使用Nvidia Tesla P100上的tensorflow 对象检测模型来提取边界框和关键点,用于检测视频中的人。使用来自tensorflow.org的预训练,我能够处理大约16帧每秒.有没有办法提高这个模型的评估速度?以下是我一直在研究的一些想法:
并没有成功地做到这一点。在构建模型时更改label_map似乎不会提高性能。使用类似于TensorR
我训练了一个用于目标检测的tensorflow模型,输入作为占位符,维度为1,None,None,3,因为我的训练图像具有不同的大小。然后我将冻结的图(.pb文件)转换为tensorRT图,以便更快地推断,但tensorRT给了我一个警告,即输入张量具有未知的非批处理维度,因此节点将回落到TF。错误消息为: 2019-05-22 08:59:56.628216: W tensorflow</