为什么xception_71推理时间比 deeplab 中的xception_65更快?

Question

我正在使用基于xception_65和xception_71架构的预训练(在城市景观数据集上)DeepLab模型进行语义分割推理。我观察到：

1. 与xception_71相比，xception_65在创建分割掩码方面更好。
2. xception_71明显快于xception_65。

由于xception_71有 71 层，这比xception_65中的层数(65 层)多，它不应该有更高的推理时间还是我在某处错了？

(与xception_71相比，xception_65中的块数更少)

您可以在 colab：segmentation_deeplab.ipynb 上检查代码以重现结果。

%%time
print('Model:', MODEL_NAME)
seg_map = MODEL.run(original_im)

xception_65

型号： xception65_cityscapes_trainfine
CPU 时间： 用户 1.08 秒， 系统： 815 毫秒， 总计： 1.89 秒 墙壁时间： 1.71 秒

xception_71

型号： xception71_cityscapes_trainfine
CPU 时间： 用户 146 毫秒， 系统： 28 毫秒， 总计： 174 毫秒 挂载时间： 649 毫秒

Answer 1

从你的笔记本：

_DOWNLOAD_URL_PREFIX = 'http://download.tensorflow.org/models/'
_MODEL_URLS = {
'xception65_cityscapes_trainfine':
'deeplabv3_cityscapes_train_2018_02_06.tar.gz',
'xception71_cityscapes_trainfine':
'deeplab_cityscapes_xception71_trainfine_2018_09_08.tar.gz',
}

请注意exception65如何链接到deeplabv3tag.gz，但xeception71链接到原版deeplabtar.gz

Deeplab是一个完整的模型系列。您的exception65是一个较小的主干，在更新更强大的分段器下，这就是为什么它表现得更好。

---

要确认模型的内容，请尝试以下操作(从 1、2 开始)：

%load_ext tensorboard
def graph_to_tensorboard(graph, out_dir):
with tf.Session():
train_writer = tf.summary.FileWriter(out_dir)
train_writer.add_graph(graph)

graph_to_tensorboard(MODEL.graph, out_dir="logs")
%tensorboard --logdir logs