提交 16bafede 编写于 作者: L LDOUBLEV

add benchmark

上级 bb0c9596
...@@ -362,7 +362,7 @@ python3.7 deploy/slim/quantization/quant.py -c configs/det/ch_PP-OCRv3/ch_PP-OCR ...@@ -362,7 +362,7 @@ python3.7 deploy/slim/quantization/quant.py -c configs/det/ch_PP-OCRv3/ch_PP-OCR
可以看到量化后能显著降低模型体积并且精度几乎无损。 可以看到量化后能显著降低模型体积并且精度几乎无损。
预测速度是在android骁龙855上预测275张图像的平均耗时。 预测速度是在android骁龙855上预测275张图像的平均耗时。模型在移动端的部署步骤参考[文档](../deploy/lite/readme_ch.md)
#### 4.1.4 模型导出 #### 4.1.4 模型导出
...@@ -578,7 +578,7 @@ python3.7 deploy/slim/quantization/quant.py -c configs/rec/PP-OCRv3/ch_PP-OCRv3_ ...@@ -578,7 +578,7 @@ python3.7 deploy/slim/quantization/quant.py -c configs/rec/PP-OCRv3/ch_PP-OCRv3_
可以看到量化后能显著降低模型体积,但是由于识别数据过少,量化带来了1%的精度下降。 可以看到量化后能显著降低模型体积,但是由于识别数据过少,量化带来了1%的精度下降。
预测速度是在android骁龙855上预测5006张识别文字图像的平均耗时。 预测速度是在android骁龙855上预测5006张识别文字图像的平均耗时。模型在移动端的部署步骤参考[文档](../deploy/lite/readme_ch.md)
#### 4.2.5 模型导出 #### 4.2.5 模型导出
......
Markdown is supported
0% .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑!
想要评论请 注册