提升篇 | 优化YOLOv8以加快推理速度

文章预览

为了一项研究，我需要减少YOLOv8的推理时间。 在这项研究中，我使用了自己的电脑而不是Google Colab。我的电脑有一个Intel i5（第12代）处理器，我的GPU是NVIDIA GeForce RTX 3050。这些信息很重要，因为我在一些方法中使用了CPU，在其他方法中使用了GPU。 原始模型使用情况 为了测试，我们使用了Ultralytics提供的YOLOv8n.pt模型，并使用bus.jpg图像进行评估。我们将分析获得的时间值和结果。 要了解模型的性能，还要知道它运行在哪个设备上——无论是使用CUDA GPU还是CPU。 # cuda import cv2 import matplotlib.pyplot as plt from ultralytics import YOLO import torch yolov8model = YOLO( "yolov8n.pt" ) img = cv2.imread( "bus.jpg" ) results = yolov8model.predict(source=img, device= 'cuda' ) img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) for result in results: boxes = result.boxes for box in boxes: x1, y1, x2, y2 = box.xyxy[ 0 ].tolist() ………………………………