パフォーマンス最適化の背景
透かし除去はTensorFlow 1.15に基づいて開発されており、いくつかのハードウェア要件があります。低コンフィギュレーションのコンピュータで実行すると、パフォーマンスのボトルネックに直面する可能性があります。
特定の最適化プログラム
- グーグルコラボの使用このプロジェクトは、ColabがGoogleのGPUリソースに無料でアクセスできるようにサポートし、ローカルのハードウェアの制限を完全に回避します。
- 処理分解能の低下入力画像を-resizeパラメータで256×256以下に縮小して処理する。
- メモリの最適化を有効にする: main.pyにtf.config.optimizer.set_jit(True)を追加し、XLAコンパイルの高速化を有効にする。
- 一括モードバッチ処理を実現し、モデルを繰り返しロードするオーバーヘッドを削減するためにコードを修正します。
オルタナティブ
それでもスムーズに実行できない場合は、1）ベースとなる修復アルゴリズムのより軽量なOpenCV+Numpy実装を使用する、2）同様のプロジェクトのPyTorchバージョンに置き換える、3）Dockerコンテナによってリソースの使用量を制限する、を検討することができる。
この答えは記事から得たものである。透かし除去：オープンソース画像透かし除去ツール、画像透かし復元オリジナル画像について
無断転載を禁じます：AI生産性ツール " 低コンフィギュレーションのコンピューターで透かし除去ツールの効率を最適化するには？
