Yolo 网络性能指标

差异肯定是存在的，这俩网络运算复杂度差异本身就很大。

在RKNN的转换文档里有网络优化设计建议章节，可以参考下。
我提几个思路：

1. 硬件算子是Conv + Relu + maxpooling 是一个硬件算子，所以yolo里所有LeaklyRelu改为 Relu可以大大提高推理速度。
2. 尽量用3x3卷积，能提高速度（所有卷积都是可以拆成若干个3x3卷积集合的）
3. 减小input尺寸大小。
4. 量化（已经量化就请忽略。）
5. 多个计算棒并行等等

farces 发表于 2019-10-28 14:52
好的，我试试，这个RK3399pro的板子，多个计算棒的方式肯定行不通，也不适用于最终的生产环境。多谢 ...

嗯，你具体参看下文档，里头写了很多优化思路

farces 发表于 2019-10-28 15:09
是不是理解，芯片不支持LeaklyRelu，是通过cpu来计算这部分的？

不能算不支持吧，是 conv+relu+maxpooling 等于一个硬件OP，速度就会快很多
而 conv + leakyRelu + maxpool 会被拆成三个操作，效率就没那么高了。