玩轉Jetson TX2 Part4 (TX2 Benchmark)

05-16

最近Nvidia發布了Jetpack 3.2，CUDA 9，cuDNN 7，官方聲稱各種新能提升，然後還說內核支持docker了，對的，Jetpack 3.1是不可以用Docker的，這點真不如樹莓派。

YOLO 放了v3的論文和代碼...，號稱又快又好。

Tensorflow 1.7了，Object Detection還放了新的MobileNet V2。

還有一直想測試一下TX2是不是能跑得動Detectron上面的Mask RCNN。

趕緊的吧...

100張圖片(1280*720)的平均判別時間如下：

YOLO v3:

Darknet v3-320: 0.33s

Darknet v3-416: 0.42s

Darknet v3-608: 0.74s

Tensorflow Object Detection:

ssd_mobilenet_v2: 1.87s

ssd_mobilenet_v1: 1.94s

ssd_inception_v2: 2.03s

剩下的跑步起來... Core dump

Detectron：

卡在Caffe2安裝了...

已經無心評價了，只說一句YOLO v3，確實又快又好。

註定這是一篇未完成，啥時候完成完全看心情，抱歉。

對了，Docker，跟我想的一樣，確實支持Docker了，但是nvidia-docker不能用，所以有啥意義呢，還是有一點點吧...

請注意，求職了，誰給買好電腦就去。