我正在google colab(python) 中將10.000 張影像的資料集分類為裸體/非裸體
我正在使用來自裸網的 NudeClassifier，它主要是這樣作業的。
from nudenet import NudeClassifier
# initialize classifier (downloads the checkpoint file automatically the first time)
classifier = NudeClassifier()
# A. Classify single image
print(classifier.classify('./image1.jpg'))
# This would print something like:
# {
# './image1.jpg': {
# 'safe': 0.00015856953,
# 'unsafe': 0.99984145
# }
# }
# B. Classify multiple images
# Returns {'path_to_image_1': {'safe': PROBABILITY, 'unsafe': PROBABILITY}}
# Classify multiple images (batch prediction)
# batch_size is optional; defaults to 4
print(
classifier.classify(
['./image1.jpg', './image2.jpg', './image3.jpg', './image4.jpg'],
batch_size=4
)
)
問題是，使用回圈并對每個影像進行單獨分類需要很多時間（影像大約為 1 秒）
使用最后一個選項，更大的 bacth_size 會使分類問題運行得更快嗎？
在這種情況下，哪個是此問題的理想 batch_size？
非常感謝您
uj5u.com熱心網友回復：
出于推理的目的，批量大小只是定義了一次將多少影像加載到記憶體中進行處理。因此批量越大，推理速度越快。
當然，限制是您的記憶體大小，因此您可以估計可以提高多少。
如果仍然太慢，請考慮在 GPU 上進行推理。
uj5u.com熱心網友回復：
增加批量大小肯定會改善對多個影像的推理時間。批量大小將根據可用的 GPU 記憶體而有所不同。嘗試設定一個完全利用可用 GPU 的批量大小。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qianduan/326757.html