yoloV4-tiny同时剪层和通道后，检测耗时与原始模型基本相同？

[basailuonaaa]

测试环境：Ubuntu16.04， RTX2080Ti（11G），TensorRT-6.0.1.5， Cuda 10.0， Cudnn 7.6.1； YoloV4 模型为：512*512 tiny模型, 7类；

同时剪层和通道，shortcuts 12 ，global_percent 0.5，迭代300次后进行模型微调训练，模型大小也由原来的23.6M降为了8.6M，但是处理耗时基本没变。 耗时计算方法：处理1514张1080P图像，计算平均耗时； yoloV4-tiny原始模型耗时：14.4738毫秒； 压缩与剪枝后的模型耗时：13.7837毫秒；

两个模型的平均处理耗时变化很小，这是什么原因呢？

[zbyuan]

通道剪枝（减掉了冗余参数） 增速不明显 减层就明显但精度就差了很多

[deeplearningers]

减层也不明显啊

[sticktotheend]

@basailuonaaa 你好，我刚接触这方面的学习。我发现此项目基于yolov3，想请教一下若想用yolov4-tiny，该如何实现呢？感谢！