关于图片上色接口DeOldify处理速度的问题

[Jilin22]

如果要用ppgan.apps.DeOldifyPredictor来处理大批量图片的上色问题，请问有没有可以加快处理速度的方法

[qingqing01]

@JilinZhao 您是想加速模型计算前的图片预处理下？下面这些代码吗？

https://github.com/PaddlePaddle/PaddleGAN/blob/f743afdd48333980df5ee4d97afbfcce99d304b7/ppgan/apps/deoldify_predictor.py#L91-L99

[Jilin22]

您好，我是说针对图像序列进行处理，比如用一个循环读取几百张图像进行批量上色，那这个过程会花较多时间，那能否在模型层面做些改动，比如模型压缩等操作，加速单张图像着色过程（下面这部分代码），从而提升批量上色速度。谢谢！ https://github.com/PaddlePaddle/PaddleGAN/blob/f743afdd48333980df5ee4d97afbfcce99d304b7/ppgan/apps/deoldify_predictor.py#L100-L105

[qingqing01]

@JilinZhao

了解了，几个方法:

1. 预测库优化: 当前预测是naive的预测，我们还没有采用预测引擎加速。
2. batch预测: 当前的batch-size是1，可以优化采用batch预测，提升预测速度。
3. 模型压缩: 其次再考虑模型压缩。

@JilinZhao 如果需要，可以沟通下，我们进一步做优化~

[Jilin22]

@qingqing01 您好，那如果采用batch预测来提升预测速度，请问具体该怎么操作呢。

@qingqing01 目前有这方面的需求，希望可以进一步沟通一下~ 谢谢！

[qingqing01]

@JilinZhao 可以微信联系 lvxueying

[JunnYu]

问题过于久远，如果有图像和视频生成的需求，可以使用新的跨模态工具: https://github.com/PaddlePaddle/PaddleMIX/tree/develop