计算时间

04:23.408 用于 build_examples_detection 文件的总执行时间

08. 微调预训练检测模型 (finetune_detection.py)	01:33.133	0.0 MB
04. 在 Pascal VOC 数据集上训练 SSD (train_ssd_voc.py)	01:06.861	0.0 MB
06. 在 PASCAL VOC 上端到端训练 Faster-RCNN (train_faster_rcnn_voc.py)	00:28.802	0.0 MB
07. 在 PASCAL VOC 上训练 YOLOv3 (train_yolo_v3.py)	00:25.750	0.0 MB
10. 通过重用预训练模型的一部分来跳过微调 (skip_fintune.py)	00:25.301	0.0 MB
03. 使用预训练 YOLO 模型进行预测 (demo_yolo.py)	00:08.161	0.0 MB
02. 使用预训练 Faster RCNN 模型进行预测 (demo_faster_rcnn.py)	00:05.991	0.0 MB
01. 使用预训练 SSD 模型进行预测 (demo_ssd.py)	00:05.051	0.0 MB
11. 使用预训练 CenterNet 模型进行预测 (demo_center_net.py)	00:02.948	0.0 MB
05. 深入理解 SSD 训练：提升性能的 3 个技巧 (train_ssd_advanced.py)	00:01.410	0.0 MB
12. 在 NVIDIA Jetson 模块上运行目标检测模型 (demo_jetson.py)	00:00.000	0.0 MB
09. 在您的网络摄像头上运行目标检测模型 (demo_webcam.py)	00:00.000	0.0 MB