推理速度 about audioclassification-pytorch HOT 4 CLOSED

这样，要执行两次，第一次是预热。

def infer():
    s = time.time()
    data = load_audio(args.audio_path, mode='infer')
    data = data[np.newaxis, :]
    data = torch.tensor(data, dtype=torch.float32, device=device)
    # 执行预测
    output = model(data)
    result = torch.nn.functional.softmax(output, dim=-1)
    result = result.data.cpu().numpy()
    # 显示图片并输出结果最大的label
    lab = np.argsort(result)[0][-1]
    print(f'音频：{args.audio_path} 的预测结果标签为：{class_labels[lab]}')
    print(time.time() - s)

from audioclassification-pytorch.

这样，要执行两次，第一次是预热。

def infer():
    s = time.time()
    data = load_audio(args.audio_path, mode='infer')
    data = data[np.newaxis, :]
    data = torch.tensor(data, dtype=torch.float32, device=device)
    # 执行预测
    output = model(data)
    result = torch.nn.functional.softmax(output, dim=-1)
    result = result.data.cpu().numpy()
    # 显示图片并输出结果最大的label
    lab = np.argsort(result)[0][-1]
    print(f'音频：{args.audio_path} 的预测结果标签为：{class_labels[lab]}')
    print(time.time() - s)

时间是1.5104613304138184
执行两次是为什么，因为我多次执行基本都是1.5左右，是不是因为启动也需要时间的原因，如果批预测的话平均时间就低了？不知道我的理解对吗，如果看推理速度的话，应该是计算多个文件预测的平均时间吧

from audioclassification-pytorch.

你的预热是再一个程序里面执行多次吗？
是这样的哦：

if __name__ == '__main__':
    infer()
    infer()
    infer()

from audioclassification-pytorch.

你的预热是再一个程序里面执行多次吗？ 是这样的哦：

if __name__ == '__main__':
    infer()
    infer()
    infer()

sorry，我明白了，确实是预热的原因，时间是0.031914710998535156,很快了，多谢！

from audioclassification-pytorch.