网络计算速度

[JunjieZhouwust]

我在i7-8700k+980ti的硬件配置下测试为大约0.04秒每张图片，远远低于论文中的99FPS，你们的情况类似吗？

[hqq1990]

你在训练Pnet的时候，有没有遇到维数不对的问题啊

[JunjieZhouwust]

你在训练Pnet的时候，有没有遇到维数不对的问题啊

没有，你可以截图给我看看

[zm931116]

网络计算速度和阈值，输入图片尺寸以及最小人脸的设置有关，阈值越高速度越快。 而输入图片尺寸和最小人脸设置会影响P网络金字塔层数，金字塔层数越高速度越慢。 在使用中可以根据你的实际需求来调整这些参数

而且这份代码速度（GPU）其实至少还有两处可以提高，对于预测来说P网络金字塔可以改为并行执行，对于训练来说NMS可以改为基于tensorflow而目前是基于numpy。

如果你有兴趣可以在这些方面去改进。

我在i7-8700k+980ti的硬件配置下测试为大约0.04秒每张图片，远远低于论文中的99FPS，你们的情况类似吗？

[songyy137222]

测试图片是640*480，min_face为40，为什么测试时间是1.5s左右，我打印出来看确实是使用gpu计算了啊，求解！！！

[songyy137222]

测试图片是640*480，min_face为40，为什么测试时间是1.5s左右，我打印出来看确实是使用gpu计算了啊，求解！！！@ @zm931116 @vslm698 @JunjieZhouwust

[homedawn]

@zm931116 你好，关于提速，提到“预测来说P网络金字塔可以改为并行执行”，我采用的是multiprocessing.pool.map,但是报错“cPickle.PicklingError: Can't pickle <type 'module'>: attribute lookup builtin.module failed”，在map()函数的第二个参数：迭代器中使用了FcnDetector的实例传进去！望求教 @

[friedhelm739]

1080ti FDDB光网络推断耗时就已经0.5m，还没有算其他操作，绝望中。。

[homedawn]

可以说，整个人脸识别的耗时主要集中在三个网络层里，我的配置是i5+gtx 1070+8G，跑三个网络层就耗时将近85%的总时间

[lostemples]

@homedawn 发现在inference的时候，pnet基本占了80%的时间，对于金字塔那一部分的并行计算，您有没有尝试的结果