各种深度模型在板端运行所需算力

慌慌张张不嚣张2023-08-09

用户您好，请详细描述您所遇到的问题，这会帮助我们快速定位问题~

1.芯片型号：Xj3

2.天工开物开发包OpenExplorer版本：XJ3_OE_2.4.2

3.问题具体描述：请问是否能够提供在板端运行的各种深度学习模型所需的算力，例如yolov5，fcos等

算法工具链

0/1000

颜值即正义
Lv.2
你好，这个没有哎，算力和模型本身并没有什么线性对应的关系。
在这里有提供不同模型在XJ3上的FPS信息，可以参考看一下：https://developer.horizon.cc/api/v1/fileData/horizon_xj3_open_explorer_cn_doc/oe_mapper/source/appendix/model_benchmark.html#id3
2023-08-09
0
6
- 慌慌张张不嚣张回复颜值即正义:
  那想请问一下，j3有5tops的算力，有多少算力可以应用到深度学习模型中呢
  2023-08-09
  0
  回复
- 颜值即正义回复慌慌张张不嚣张:
  理论上都可以啊，只是不同模型结构对芯片的友好程度不同
  2023-08-09
  0
  回复
- 慌慌张张不嚣张回复颜值即正义:
  但是参考您上面的链接：不同模型在XJ3上的FPS信息，发现其实这些网络模型在实际运行过程中也只使用了不到1TOPS的算力，是为什么呢？
  MODEL NAME
  INPUT SIZE
  C(GOPs)
  FPS
  ITC(ms)
  TCPP(ms)
  ACCURACY
  Dataset
  MobileNetv1
  1x224x224x3
  1.14
  661.10
  3.171
  0.089
  Top1:
  0.7061(FLOAT)
  0.7034(INT8)
  ImageNet
  MobileNetv2
  1x224x224x3
  0.86
  869.86
  2.434
  0.092
  Top1:
  0.7167(FLOAT)
  0.7124(INT8)
  ImageNet
  GoogleNet
  1x224x224x3
  3.00
  234.58
  8.133
  0.084
  Top1:
  0.7001(FLOAT)
  0.6993(INT8)
  ImageNet
  Resnet18
  1x224x224x3
  3.65
  228.25
  8.720
  0.087
  Top1:
  0.6836(FLOAT)
  0.6825(INT8)
  ImageNet
  EfficientNet-Lite0
  1x224x224x3
  0.77
  900.03
  2.282
  0.085
  Top1:
  0.7491(FLOAT)
  0.7473(INT8)
  ImageNet
  EfficientNet-Lite1
  1x240x240x3
  1.20
  624.67
  3.168
  0.081
  Top1:
  0.7647(FLOAT)
  0.7625(INT8)
  ImageNet
  EfficientNet-Lite2
  1x260x260x3
  1.72
  363.56
  5.614
  0.081
  Top1:
  0.7738(FLOAT)
  0.7714(INT8)
  ImageNet
  EfficientNet-Lite3
  1x280x280x3
  2.77
  228.68
  8.537
  0.081
  Top1:
  0.7922(FLOAT)
  0.7901(INT8)
  ImageNet
  2023-08-09
  0
  回复
- 颜值即正义回复慌慌张张不嚣张:
  实测是无法测出算力的哈，像FPS的影响因素不单纯是算力，也会受到带宽等因素的限制
  2023-08-09
  0
  回复
- 慌慌张张不嚣张回复颜值即正义:
  FPS*GOPS不就是一个算法所需的算力？
  2023-08-09
  0
  回复
- 颜值即正义回复慌慌张张不嚣张:
  建议还是重点关注模型的性能表现
  2023-08-09
  0
  回复
颜值即正义
Lv.2
您好，地平线工具链在持续迭代优化，为了给您提供更好的服务，希望您能抽出3分钟左右的时间，将您在使用工具链期间的感受和建议告诉我们，您的宝贵意见对我们很重要，非常感谢！
问卷链接：地平线算法工具链使用满意度反馈
2023-08-09
0
0