Inference latency benchmark
Los mantenedores suelen responder en 1 día
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 2/5
- Tiempo estimado
- 1-3 horas
- Aptitud para principiantes
- 66/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Bastante claro
- Estado de actividad
- Activo
- Stack tecnológico
- python, pytorch
- Área
- machine-learning, performance
Línea de trabajo
Trabaja en src/complexity.py y añade latency_ms(model, input_shape=(1,3,64,64), runs=200), que necesita 10 ejecuciones de calentamiento, model.eval() y torch.no_grad(), y debe registrar el nombre de la CPU/dispositivo. El issue #16 figura como dependencia, así que comprueba si está fusionado y qué objeto de modelo proporciona antes de conectar esto. Está terminado cuando la función devuelve un float positivo en milisegundos.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Batch-1 CPU latency.
Files: src/complexity.py
Tasks
-
latency_ms(model, input_shape=(1,3,64,64), runs=200)with 10 warm-up runs - Use
model.eval()andtorch.no_grad() - Record the device/CPU name in the output
Done when
Function returns a positive float in milliseconds.
Depends on
#16
Close with a commit or PR message containing Closes #<this issue>.
- Lenguaje dominante
- Jupyter Notebook
- Estrellas
- 0
- Forks
- 0
- Merge medio
- 2 h 33 min
- PR fusionados (30 d)
- 11
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de VisionForgeCSE/CNN-For-Image-Classification
-
task-4 ws5-comparison
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
VisionForgeCSE/CNN-For-Image-Classification#75 ·
Los mantenedores suelen responder en 1 día
-
task-5 ws4-efficientnet
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
VisionForgeCSE/CNN-For-Image-Classification#71 ·
Los mantenedores suelen responder en 1 día
-
task-5 ws3-mobilenetv2
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
VisionForgeCSE/CNN-For-Image-Classification#67 ·
Los mantenedores suelen responder en 1 día
-
task-4 ws2-model-b
Dificultad 2/5 1-3 horas Aptitud para principiantes 74/100
VisionForgeCSE/CNN-For-Image-Classification#64 ·
Los mantenedores suelen responder en 1 día
-
task-4 ws1-model-a
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
VisionForgeCSE/CNN-For-Image-Classification#57 ·
Los mantenedores suelen responder en 1 día
Todos los issues de VisionForgeCSE/CNN-For-Image-Classification
Issues similares
-
[Bug]: SparseGPTModifier and WandaPruningModifier prune modules listed by exact name in `ignore`Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 90/100
vllm-project/llm-compressor#3304 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
mlr-org/mlr3cmprsk#42 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
Los mantenedores suelen responder en 2 días
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 84/100
huggingface/optimum#2534 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
bot-triaged module: correctness (silent) module: error checking module: optimizer triage review
Dificultad 2/5 1-3 horas Aptitud para principiantes 90/100
Los mantenedores suelen responder en 1 día