当前位置:   article > 正文

OnnxRuntime TensorRT OpenCV::DNN性能对比(YoloV8)实测_yolo v8 dnn

yolo v8 dnn

1. 前言

之前把ORT的一套推理环境框架搭好了,在项目中也运行得非常愉快,实现了cpu/gpu,fp32/fp16的推理运算,同onnx通用模型在不同推理框架下的性能差异对比贴一下,记录一下自己对各种推理框架的学习状况

YoloV8模型大小
模型名称参数量
NANO3.2M
......

2. CPU篇

CPU推理框架性能比较
框架推理耗时(i5-11400H@2.70GHz)/ms
OnnxRuntime95
DNN80

 

3. GPU

说明一下,懒得编译OpenCV的CUDA版了.也是菜,不想编译qwq

GPU推理框架性能比较
框架推理耗时(RTX3050 LapTop)/ms
OnnxRuntime17
TensorRT6

 

4. 总结

cpu选择onnxruntime或者dnn都可以,建议选择ort.gpu选择tensorrt,如果有兼容需求就只能选择onnxruntime了.

不得不说,gpu推理上TRT把ORT薄纱了,不需要warm-up,对工业生产环境非常友好,因为在实际生产环境中,都不是实时推理,而是有间隔的推理,ORT在一段间隔时间后cuda性能会有所衰减,当然也可能是我还没摸透ort这个框架,欢迎大佬指正.

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/blog/article/detail/57682
推荐阅读
相关标签
  

闽ICP备14008679号