Deep Learning Halcon - Cronologia

Qualivision il 15:30, 1 apr 2025

2025-04-01T15:30:41Z

Qualivision: /* Ottimizzazione Modello */

2025-04-01T15:26:56Z

‎Ottimizzazione Modello

Qualivision: Qualivision ha spostato la pagina Deep Learning a Deep Learning Halcon

2025-04-01T15:19:07Z

Qualivision ha spostato la pagina Deep Learning a Deep Learning Halcon

Qualivision: /* Ottimizzazione Modello */

2025-04-01T15:18:09Z

‎Ottimizzazione Modello

Qualivision: Creata pagina con " Deep Learning livello PRO == Ottimizzazione Modello == ---- Creando una rete che usa come device una scheda video con TensorRT il processo di apply model (caricamento rete..."

2025-04-01T15:17:26Z

Creata pagina con " Deep Learning livello PRO == Ottimizzazione Modello == ---- Creando una rete che usa come device una scheda video con TensorRT il processo di apply model (caricamento rete..."

Nuova pagina

Deep Learning livello PRO

== Ottimizzazione Modello ==
----

Creando una rete che usa come device una scheda video con TensorRT il processo di apply model (caricamento rete in vram) potrebbe essere lento.
Il problema è risolvibile in 2 modi:

1) Ottimizzare il livello da Deep Learning Tool:
Sulla pagina "Evaluation" nella sezione "Inference and evaluation settings" impostare come device la GPU con TensorRt;
Rieseguire l'evaluation ed esportare il modello dalla pagina "Export".

2) Ottimizzare il modello tramite Halcon:
Aprire il seguente script: \\QVSERVER\__Projects\DEEP LEARNING\HalconDL\optimize_model.hdev;
Inserire in read_dl_model il file del modello '''NON OTTIMIZZATO''' e lanciare lo script;
Salvare il DLModelHandleConverted.

Il modello viene ottimizzato per il device che viene utilizzato in quel momento, per esempio un modello ottimizzato su pc di laboratorio non sarà ottimizzato per il pc del cliente.

← Versione meno recente		Versione delle 15:26, 1 apr 2025
Riga 18:		Riga 18:

	Il modello viene ottimizzato per il device che viene utilizzato in quel momento, per esempio un modello ottimizzato su pc di laboratorio non sarà ottimizzato per il pc del cliente.		Il modello viene ottimizzato per il device che viene utilizzato in quel momento, per esempio un modello ottimizzato su pc di laboratorio non sarà ottimizzato per il pc del cliente.
		+	Se si usa un modello ottimizzato per TensorRT bisogna usare un device che abbia a sua volta TensorRT se non da errore.

@@ Riga 6: / Riga 6: @@
 Creando una rete che usa come device una scheda video con TensorRT il processo di apply model (caricamento rete in vram) potrebbe essere lento.
 Il problema è risolvibile in 2 modi:
@@ Riga 18: / Riga 19: @@
 Il modello viene ottimizzato per il device che viene utilizzato in quel momento, per esempio un modello ottimizzato su pc di laboratorio non sarà ottimizzato per il pc del cliente.
 Se si usa un modello ottimizzato per TensorRT bisogna usare un device che abbia a sua volta TensorRT se non da errore.

← Versione meno recente	Versione delle 15:19, 1 apr 2025
(Nessuna differenza)

@@ Riga 9: / Riga 9: @@
 ) Ottimizzare il livello da Deep Learning Tool:
-   Sulla pagina "Evaluation" nella sezione "Inference and evaluation settings" impostare come device la GPU con TensorRt;
+ - Sulla pagina "Evaluation" nella sezione "Inference and evaluation settings" impostare come device la GPU con TensorRt;
-   Rieseguire l'evaluation ed esportare il modello dalla pagina "Export".
+ - Rieseguire l'evaluation ed esportare il modello dalla pagina "Export".
 ) Ottimizzare il modello tramite Halcon:
-   Aprire il seguente script: \\QVSERVER\__Projects\DEEP LEARNING\HalconDL\optimize_model.hdev;
+ - Aprire il seguente script: \\QVSERVER\__Projects\DEEP LEARNING\HalconDL\optimize_model.hdev;
-   Inserire in read_dl_model il file del modello '''NON OTTIMIZZATO''' e lanciare lo script;
+ - Inserire in read_dl_model il file del modello '''NON OTTIMIZZATO''' e lanciare lo script;
-   Salvare il DLModelHandleConverted.
+ - Salvare il DLModelHandleConverted.
 Il modello viene ottimizzato per il device che viene utilizzato in quel momento, per esempio un modello ottimizzato su pc di laboratorio non sarà ottimizzato per il pc del cliente.