yolov7的fps是多少

### YOLOv7 模型 FPS 性能测试

对于YOLOv7模型的帧率(FPS)性能测试，通常通过特定环境下执行推理操作来完成。为了获得准确的结果，在固定硬件配置下运行测试程序是必要的。在实际应用中，可以通过加载预训练权重并利用Python脚本调用检测函数来进行FPS测量。

下面是一个简单的代码片段用于计算YOLOv7模型的平均处理速度：

import time
from models.experimental import attempt_load
from utils.general import non_max_suppression, scale_coords
from utils.datasets import letterbox
import torch

device = 'cuda' if torch.cuda.is_available() else 'cpu'
model = attempt_load('yolov7.pt', map_location=device)

def test_fps(image_path):
    img_size = 640
    conf_thres = 0.25
    iou_thres = 0.45
    
    # Load image and preprocess it.
    img0 = cv2.imread(image_path)
    img = letterbox(img0, new_shape=img_size)[0]
    
    img = img[:, :, ::-1].transpose(2, 0, 1)  # BGR to RGB, to 3x416x416
    img = np.ascontiguousarray(img)
    img = torch.from_numpy(img).to(device)
    img = img.float()
    img /= 255.0  # Normalize to [0, 1]

    if img.ndimension() == 3:
        img = img.unsqueeze(0)

    times = []
    for _ in range(100):  # Run inference multiple times to get average FPS
        t1 = time.time()

        pred = model(img, augment=False)[0]
        pred = non_max_suppression(pred, conf_thres, iou_thres)

        t2 = time.time()
        times.append(t2 - t1)

    avg_time = sum(times)/len(times)
    fps = 1 / avg_time
    print(f"Average FPS over 100 iterations: {fps:.2f}")

test_fps('path_to_image')

此段代码展示了如何设置YOLOv7模型并对单张图片进行多次推断以获取稳定的FPS数值[^2]。需要注意的是，最终得到的具体FPS数据会受到多种因素的影响，比如GPU型号、输入图像尺寸以及批处理大小等。