MinkowskiEngine基准测试
介绍卷积层和小型U网络的前馈和后馈通过时间。可以将具有相同张量步幅,步幅和内核偏移的内核映射重新用于其他层,可以在大型nueral网络中使用的所有层上,分摊此页面中实验报告的时间。
使用Titan X进行实验。
实验设置
对于单卷积层实验,使用以下设置。
import MinkowskiEngine as ME

conv = ME.MinkowskiConvolution(
in_channels=3,
out_channels=32,
kernel_size=7,
stride=1,
dilation=1,
has_bias=False,
dimension=3)
使用体素大小为5cm的ScanNet测试仪进行实验。由于SparseConvNet和MinkowskiEngine使用不同的体素化算法,因此每个引擎处理的点数也有所不同。平均而言,在100个ScanNet测试室中,SparseConvNet产生25757.01点,而MinkowskiEngine产生26097.58点。
单卷积层
测试具有不同内核大小的同一个卷积层。报告每种算法处理SparseConvNet的平均时间(以秒为单位),平均为25757.011点,而MinkowskiEngine的平均时间为26097.58。

简单的UNet
net = nn.Sequential(
ME.MinkowskiConvolution(
in_channels=3,
out_channels=32,
kernel_size=5,
stride=1,
dilation=1,
has_bias=False,
dimension=3),
ME.MinkowskiConvolution(
in_channels=32,
out_channels=32,
kernel_size=2,
stride=2,
dilation=1,
has_bias=False,
dimension=3),
ME.MinkowskiConvolutionTranspose
in_channels=32,
out_channels=32,
kernel_size=2,
stride=2,
dilation=1,
has_bias=False,
dimension=3))
对于本实验,仅更改第一卷积层的内核大小。

MinkowskiEngine基准测试相关推荐

  1. MinkowskiEngine语义分割

    MinkowskiEngine语义分割 要运行示例,请安装Open3D与PIP安装open3d-python. cd /path/to/MinkowskiEngine python -m exampl ...

  2. 3D MinkowskiEngine稀疏模式重建

    3D MinkowskiEngine稀疏模式重建 本文看一个简单的演示示例,该示例训练一个3D卷积神经网络,该网络用一个热点向量one-hot vector重构3D稀疏模式.这类似于Octree生成网 ...

  3. MinkowskiEngine多GPU训练

    MinkowskiEngine多GPU训练 目前,MinkowskiEngine通过数据并行化支持Multi-GPU训练.在数据并行化中,有一组微型批处理,这些微型批处理将被送到到网络的一组副本中. ...

  4. MinkowskiEngine demo ModelNet40分类

    MinkowskiEngine demo ModelNet40分类 本文将看一个简单的演示示例,该示例训练用于分类的3D卷积神经网络.输入是稀疏张量,卷积也定义在稀疏张量上.该网络是以下体系结构的扩展 ...

  5. MinkowskiEngine Miscellaneous Classes杂类

    Miscellaneous Classes杂类 内核生成器 class MinkowskiEngine.KernelGenerator(kernel_size = -1,stride = 1,dila ...

  6. MinkowskiEngine实用函数和类

    MinkowskiEngine实用函数和类 sparse_quantize MinkowskiEngine.utils.sparse_quantize(coords, feats=None, labe ...

  7. MLPerf基准测试再发榜,浪潮AI服务器刷新18项纪录

    近日,全球倍受瞩目的权威AI基准测试MLPerf公布今年的推理测试榜单,其中浪潮AI服务器NF5488A5一举创造18项性能纪录,在数据中心AI推理性能上遥遥领先其他厂商产品. MLPerf是当前全球 ...

  8. 扒出了3867篇论文中的3万个基准测试结果,他们发现追求SOTA其实没什么意义

    视学算法报道 编辑:蛋酱.张倩 转载自公众号:机器之心 在追求 SOTA 之前,研究者们或许更应该认真审视「基准」本身. 在基准数据集上比较模型性能是人工智能领域衡量和推动研究进展的重要方式之一.研究 ...

  9. AMD 再次抨击基准测试工具 SYSMark 偏袒英特尔

    AMD称,流行的基准测试工具SYSMark是不可靠的,不公平的偏袒英特尔的产品.SYSMark由BAPCo开发,AMD曾是该组织的成员,2011年为抗议而退出,并与Nvidia和VIA一道公开宣布拒绝 ...

最新文章

  1. phpmyadmin底部出现提示“The configuration file now needs a secret passphrase (blowfish_secret). ”...
  2. Spark入门教程(二)Spark2.2源码编译及安装配置
  3. python能做什么游戏好-Python有做大型游戏的潜力吗?
  4. 公钥密码--Paillier
  5. 浏览器自动化的一些体会8 访问angular页面的一个问题
  6. 如何给定两个gps坐标 算出航向角_如何获得飞机的小扰动模型
  7. GitHub被中国人霸榜!国外开发者不开心了
  8. mysql 代码怎么优化_MySQL 性能优化的简略办法
  9. linux 连接两个异构网,如何在Linux(或异构)网络上共享计算机?
  10. 深度学习(三十二)半监督阶梯网络学习笔记-NIPS 2015
  11. java 模板生成pdf文件
  12. 基于FPGA的光纤数据传输
  13. 数学建模常用模型算法学习(部分)
  14. 中级微观经济学笔记整理
  15. php导入mib表,Linux snmp导入MIB库
  16. python 简单爬虫获取气象数据发送气象定时报-预报预警信息及时推送及阿里云短信群发接口...
  17. 关于Socket的建立及连接
  18. 【那些年踩过的坑】服务器配环境:Ubuntu 16.04 + Titan Xp + CUDA 9.0 + cuDNN 7.1 + Tensorflow + Pytorch + MXNet
  19. 一年时间,从一个浑浑噩噩的测试小人物到测试主管的成长之路
  20. 太强了,全面解析缓存应用经典问题

热门文章

  1. 2022-2028年中国PPS树脂产业研究及前瞻分析报告
  2. 痛苦是能让人成长的,所以不要害怕遇到痛苦
  3. Dissecting BERT Part 1: The Encoder 解析BERT解码器(transformer)
  4. 用BRAT进行中文情感分析语料标注
  5. Python 读取文本时的 read/readline/readlines
  6. 请注意更新TensorFlow 2.0的旧代码
  7. Transformer的PyTorch实现
  8. 【快速上手mac必备】常用优质mac软件推荐(音视频、办公、软件开发、辅助工具、系统管理、云存储)
  9. 多平台Gstreamer Multiplatform
  10. 计算机视觉多目标检测整合算法