TX2上yolov3精度和速度優化方向

速度優化的方向：

1、減少輸入圖片的尺寸， 但是相應的准確率可能會有所下降
2、優化darknet工程源代碼（去掉一些不必要的運算量或者優化運算過程）
3、剪枝和量化yolov3網絡（壓縮模型---> 減枝可以參考tiny-yolo的過程 ， 量化可能想到的就是定點化可能也需要犧牲精度）
4、darknet -----> caffe/tensorflow + tensorrt（主要是針對GPU這塊的計算優化）

精度優化的方向：

1、增加數據量和數據種類（coco + voc + kitti數據集訓練）
2、超參數的調整：（batch learnrate）