深度学习结果解析

您正在查看V1.8.1版本的文档。如果您想查阅其他版本的文档，可以点击页面右上角“切换版本”按钮进行切换。

■ 如果您想使用最新版本，可以从梅卡曼德下载中心下载。

■ 如果您不确定当前使用的产品是哪个版本，请随时联系梅卡曼德技术支持。

功能描述

该步骤可对 深度学习模型包推理 步骤输出的级联模型包的推理结果进行解析。

使用场景

当使用“深度学习模型包推理”步骤推理级联模型包时，该步骤连接于“深度学习模型包推理”步骤后。

当输入多张图像且同时推理时，如需查看每张图像的解析结果，建议在“深度学习模型包推理”步骤和“深度学习结果解析”步骤间添加 拆包数据 步骤。

输入与输出

deep learning value parser input and output

系统要求

使用该步骤时，需满足如下系统要求。

  • CPU：需支持 AVX2 指令集，且需满足以下任一条件：

    • 不带独立显卡时：Intel i5-12400 及以上。

    • 带独立显卡时：Intel i7-6700 及以上，且显卡不低于 GTX 1660。

    已在Intel CPU上进行充分测试，尚未在AMD CPU上进行测试，推荐使用Intel CPU。

  • GPU：应使用 NVIDIA GTX 1660 及以上显卡（如带独立显卡）。

使用方法

直接连接于“深度学习模型包推理”步骤后

当该步骤直接连接于“深度学习模型包推理”步骤后时，该步骤将根据不同的“深度学习数据类型”显示不同的参数。

例如，该步骤连接于“深度学习模型包推理”的“目标检测结果”输出端口后，则该步骤将显示目标检测相关参数。各场景下的参数说明可参考 深度学习模型包推理 。

deep learning value parser use 1

使用“拆包数据”步骤

在“深度学习模型包推理”步骤和“深度学习结果解析”步骤间添加“拆包数据”步骤时，如下图所示。

deep learning value parser use 2

  • “拆包数据”步骤的输出端口数量需与输入图像数量一致。

  • 数据被拆包后，可能因为没有子类型数据而导致“深度学习结果解析”步骤无法自动判断模型对应的场景，所以无法生成“深度学习结果解析”步骤的输出端口，此时需手动设置“深度学习结果解析”步骤的深度学习数据类型参数。

选择深度学习数据类型后将无法更改，如需更改深度学习数据类型，请删除并重新添加“深度学习结果解析”步骤。

我们重视您的隐私

我们使用 cookie 为您在我们的网站上提供最佳体验。继续使用该网站即表示您同意使用 cookie。如果您拒绝，将使用一个单独的 cookie 来确保您在访问本网站时不会被跟踪或记住。

  • Preference
  • 同意
  • 不同意