Feedback about Real Time Inference on Raspberry Pi 4 and 5 (40 fps!)
Los mantenedores suelen responder en 2 días
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 25/100
- Tipo de issue
- Error
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
Línea de trabajo
Comienza con el tutorial realtime_rpi.html enlazado en el issue y reproduce la diferencia de tiempos reportada entre los modelos de coma flotante y los modelos cuantizados con QAT en Raspberry Pi 4 o 5. Compara la configuración reportada con el enfoque del tutorial; se considera terminado cuando se haya documentado una causa confirmada o una limitación reproducible y se haya actualizado el tutorial si corresponde.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
There is the following issue on this page: https://docs.pytorch.org/tutorials/intermediate/realtime_rpi.html
I have a YOLO like model which I used QAT and the quantized model is very slow. It is slower 4 time than the floating point model. Although I used fused layers.
Any help?
- Lenguaje dominante
- Python
- Estrellas
- 9.4k
- Forks
- 4.4k
- Merge medio
- 3 d 5 h
- PR fusionados (30 d)
- 4
Preparar el entorno
Inicia el contenedor de desarrollo del proyecto en tu navegador, con tu propia cuenta de GitHub.
- Sin Dockerfile ni archivo de Docker Compose
- Tiene una plantilla de pull request
- Leer la guía de contribución
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 pytorch/tutorials
-
Feedback about Datasets & DataLoadersPosiblemente ocupada @hippi345 la tomó hace 2 días. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
Los mantenedores suelen responder en 2 días
-
💡 [REQUEST] - Add model.eval() after loading the mdoelPosiblemente ocupada @Justee21 la tomó hace 27 días. Abierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 78/100
Los mantenedores suelen responder en 2 días
-
[BUG] Captum tutorial fails when visualize_image_attr() receives None for original_imageQuizá libre de nuevo @shubhambhar007 la tomó hace 33 días y no hay ningún pull request abierto. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
pytorch/tutorials#3963 · 1 comentario ·
Los mantenedores suelen responder en 2 días
-
[BUG] - Incorrect ResNet18 preprocessing in Captum tutorialPosiblemente ocupada @austxu la tomó hace 86 días. Abiertobug
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
Los mantenedores suelen responder en 2 días
-
Feedback about What is torch.nn really?Posiblemente ocupada @MichelleHan7 la tomó hace 23 días. Abierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 78/100
Los mantenedores suelen responder en 2 días
Todos los issues de pytorch/tutorials
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 85/100
Los mantenedores suelen responder en 1 día
-
infrastructure qa
Dificultad 2/5 1-3 horas Aptitud para principiantes 84/100
khuisman/mcp-gee-sweet#1068 ·
Los mantenedores suelen responder en 1 día
-
The book has a Nix install section that chelis.ch lacks, and it names two of the three systemsAbiertoarea:ecosystem documentation
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
Chelis-Lang/chelis#3866 ·
Los mantenedores suelen responder en 1 día
-
`lvm_compact` has no self-hosted twin, and `docs/158` §5 says every language-face component mustAbiertobug sev-3 vm
Dificultad 2/5 1-3 horas Aptitud para principiantes 65/100
-
issue: Picking a prompt from the / menu in a channel inserts a command chip instead of the promptAbiertobug confirmed issue
Dificultad 2/5 Medio día Aptitud para principiantes 78/100
open-webui/open-webui#32712 · 2 comentarios ·
Los mantenedores suelen responder en 1 día