本发明涉及一种基于TensorRT加速深度学习图像识别的方法、装置及介质的技术方案,包括:配置用于运行TensorRT的数据、模型及环境;将模型转换为ONNX格式;通过TensorRT对ONNX格式的模型分别生成多计算模式运算的TensorRT引擎文件;输入用于检测的多张人脸照片,通过MTCNN网络对人脸照片进行人脸检测,输出检测列表;将检测列表中的人脸照片通过包括有TensorRT的多种加速深度学习图像识别的推理计算,分别推理计算人脸照片的向量、时间及距离,选取加速效果最优的TensorRT加速计算模式。本发明的有益效果为:保持原有精确率几乎无损的情况下,同时也提升了GPU服务器的资源利用率,降低了业务升级和维护方面的人力及物力。
声明:
“基于TensorRT加速深度学习图像识别的方法、装置及介质” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)