Hacktoberfest 2026：メンテナが10月に向けて印を付けた、オープンで初心者向けの issue。 Hacktoberfest の issue を見る

Inference latency benchmark

オープン 初心者向け
  • 何か問題がありますか？
#27 コメント 0 件 リアクション 0 件 担当者 0 名 GitHub で見る

メンテナーはふだん 1 日以内に返信

まだ誰も着手していません。

評価

難易度
2/5
見積もり時間
1〜3時間
初心者へのやさしさ
66/100
issue の種類
機能追加
明瞭さ
おおむね明確
活発さ
活発
技術スタック
python, pytorch
領域
machine-learning, performance

調査の方向性

src/complexity.py で作業し、latency_ms(model, input_shape=(1,3,64,64), runs=200) を追加してください。この関数には 10 回のウォームアップ実行、model.eval() と torch.no_grad() が必要で、CPU/デバイス名も記録する必要があります。Issue #16 は依存関係として挙げられているため、接続する前にマージ済みかどうか、またどのモデルオブジェクトを提供しているかを確認してください。関数がミリ秒単位の正の float を返せば完了です。

索引モデルが issue の本文から書いたものです。

説明

evaluation

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() and torch.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>.

主要言語
Jupyter Notebook
スター
0
フォーク
0
平均マージ
3時間 1分
マージ済み PR（30日）
19

環境構築

このプロジェクトには開発コンテナ、Dockerfile、コントリビューションガイドがありません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。

はじめの一歩

  1. issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
  2. 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
  3. リポジトリをフォークし、ブランチを切って変更します。
  4. issue 番号を参照したプルリクエストを送ります。

VisionForgeCSE/CNN-For-Image-Classification のほかの issue

VisionForgeCSE/CNN-For-Image-Classification の issue をすべて見る

似ている issue

Machine Learning の issue をもっと見る

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。