首页 > 其他分享 >trwebocr性能测试

trwebocr性能测试

时间:2024-01-10 11:24:36浏览次数:33  
标签:KB sec 测试 性能 线程 ms trwebocr 100 0.00%

OCR版本:trwebocr:1.0.4

运行方式: CPU

机器配置:1C, 16G

样本文件:xxxxx.png(原文件)

线程组 样本 平均值(ms) 最小值(ms) 最大值(ms) 标准偏差(ms) 异常 吞吐量 (sec) 接收KB/sec 发送KB/sec 平均字节数 CPU使用情况

线程数:50,时间:100,循环次数:1

50 107895 7845 197365 53525.27 0.00% 0.16928 41.78 41.06 252716.8 99.7%

 

 

OCR版本:trwebocr:1.0.4

运行方式: CPU

机器配置:4C, 16G

样本文件:xxxxx.png(原文件)

线程组 样本 平均值(ms) 最小值(ms) 最大值(ms) 标准偏差(ms) 异常 吞吐量 (sec) 接收KB/sec 发送KB/sec 平均字节数 CPU使用情况 内存GB

线程数:50,时间:100,循环次数:1

50 38973 3867 76202 21011.75 0.00% 0.29038 1.07 70.43 3779.8 97% 1.2

 

OCR版本:trwebocr:1.0.4

运行方式: CPU

机器配置:8C, 16G

样本文件:xxxxx.png(原文件)

线程组 样本 平均值(ms) 最小值(ms) 最大值(ms) 标准偏差(ms) 异常 吞吐量 (sec) 接收KB/sec 发送KB/sec 平均字节数 CPU使用情况

线程数:50,时间:100,循环次数:1

50 1331 1207 1743 115.91 0.00% 0.50352 98.07 122.05 199446.8 50%
线程数:100,时间:100,循环次数:1 100 12703 1274 32841 9174.48 0.00% 0.75851 162.4 183.86 219247.1 70%
线程数:150,时间:100,循环次数:1 150 53247 1289 108852 29899.11 0.00% 0.72034 158.38 174.61 225139.5 67%

 

 

OCR版本:trwebocr:1.0.4

运行方式: CPU

机器配置:16C, 16G

样本文件:xxxxxx.png(原文件)

线程组 样本 平均值(ms) 最小值(ms) 最大值(ms) 标准偏差(ms) 异常 吞吐量 (sec) 接收KB/sec 发送KB/sec 平均字节数 CPU使用情况

线程数:100,时间:100,循环次数:1

100 35838 1799 69712 18850.19 0.00% 0.59276 2 143.78 3459.9 36%
线程数:150,时间:100,循环次数:1 150 59107 1858 101652 27272.31 0.00% 0.74611 1.06 180.98 1459.1 35%
线程数:200,时间:100,循环次数:1 200 90374 1883 186103 49860.16 0.00% 0.70028 1.47 169.86 2144 35%
线程数:300,时间:100,循环次数:1 300 172089 1779 368153 106157 3.00% 0.64555 2 151.89 3166.7 35%

线程数:300,时间:100,循环次数:1

172.31.6.205 Jmeter

300 166331 1701 318781 88587.97 2.00% 0.72077 1.68 171.34 2390.6 35%

 

OCR版本:tr 2.3.1

运行方式: CPU

机器配置:8C, 16G

样本文件:xxxxx.png(原文件)

测试方式python脚本 多线程

  样本 平均值(ms) 最小值(ms) 最大值(ms) 标准偏差(ms) 异常 吞吐量 (sec) 接收KB/sec 发送KB/sec 平均字节数 CPU使用情况 内存GB

线程数:2

20 2200       0.00% 0.27       40% 2.9
线程数:5 20 3700       0.00% 0.44       75% 5.7

 

 

 

 

172.31.3.15

OCR版本:trwebocr:1.0.4

运行方式: CPU

机器配置:

样本文件:xxxxx.png(原文件)

线程组 样本 平均值(ms) 最小值(ms) 最大值(ms) 标准偏差(ms) 异常 吞吐量 (sec) 接收KB/sec 发送KB/sec 平均字节数 CPU使用情况
线程数:100,时间:100,循环次数:1 100 45724 2433 92395 25309.93 0.00% 0.52281 138.02 126.81 270323.5 70%

 

 

172.31.3.15

OCR版本:trwebocr:1.0.4

运行方式: GPU  GeForce RTX 2080Ti

机器配置:

样本文件:xxxxx.png(原文件)

线程组 样本 平均值(ms) 最小值(ms) 最大值(ms) 标准偏差(ms) 异常 吞吐量 (sec) 接收KB/sec 发送KB/sec 平均字节数

GPU使用情况

线程数:3,时间:1,循环次数:30 90 1483 735 2539 306.01 0.00% 1.91832 7.08 465.31 3780.5 30%
线程数:100,时间:100,循环次数:1 100 995 842 1436 104.01 0.00% 1.00003 3.69 242.57 3782 18%
线程数:200,时间:100,循环次数:1 200 5183 2533 6809 1272.05 0.00% 1.88164 6.95 456.42 3780.9 30%
线程数:300,时间:100,循环次数:1 300 28650 2059 75663 15334.02 0.00% 1.94491 7.18 471.76 3780.6 30%

线程数:2,时间:1,循环次数:30 2个TrWebOCR Service

120 938 748 2193 177.91 0.00% 2.10833 7.78 511.4 3780.4 38%
线程数:3,时间:1,循环次数:30 2个TrWebOCR Service 180 1101 769 3041 299.55 0.00% 2.68328 9.91 650.86 3780.4 49% 
线程数:4,时间:1,循环次数:30 2个TrWebOCR Service 240 1244 797 4019 356.29 0.00% 3.10314 11.46 752.7 3780.5  55%
线程数:5,时间:1,循环次数:30 2个TrWebOCR Service 300 1444 887 3481 307.9 0.00% 3.39643 12.54 823.85 3780.5 56%
线程数:6,时间:1,循环次数:30 2个TrWebOCR Service 360 1754 809 5847 580.45 0.00% 3.29979 12.18 800.4 3780.5 58%

 

 

172.31.3.15

OCR版本:trwebocr:1.0.4

运行方式: GPU  GeForce RTX 2080Ti

机器配置:

样本文件:xxxxx.png(原文件)

CPU

线程组 样本 平均值(ms) 最小值(ms) 最大值(ms) 标准偏差(ms) 异常 吞吐量 (sec) 接收KB/sec 发送KB/sec 平均字节数

CPU使用情况

  20 2276 2045 2478 117.21 0.00% 0.3371 1.24 81.77 3778.9 44%
  30 2345 2112 2722 122.71 0.00% 0.49721 1.83 120.6 3778.9 68%
  40 8886 2357 15694 3941.68 0.00% 0.53912 1.99 130.77 3778.9 72%
  50 18894 2408 34981 9750.79 0.00% 0.53316 1.97 129.32 3778.9 76%

 

GPU

线程组 样本 平均值(ms) 最小值(ms) 最大值(ms) 标准偏差(ms) 异常 吞吐量 (sec) 接收KB/sec 发送KB/sec 平均字节数

GPU使用情况

单进程 60 1037 836 2197 217.75 0.00% 1.0012 3.7 242.85 3781 17%
  120 1483 959 1946 281.25 0.00% 1.953 7.21 473.72 3780.4 30%
  180 16569 960 50504 9810.46 0.00% 1.9638 7.25 476.34 3780.4 30%
  240 1244 797 4019 356.29 0.00% 3.10314 11.46 752.7 3780.5 55%
  300 1444 887 3481 307.9 0.00% 3.39643 12.54 823.85 3780.5 56%
  360 1754 809 5847 580.45 0.00% 3.29979 12.18 800.4 3780.5 58%

 

标签:KB,sec,测试,性能,线程,ms,trwebocr,100,0.00%
From: https://www.cnblogs.com/libin2015/p/17956098

相关文章

  • GPU环境搭建(TrWebOCR)
    查看显卡信息lspci| grep -invidia查看系统是否受支持uname -m http://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#system-requirements验证是否有编译环境gcc-v验证系统是否安装了正......
  • 性能持续突破!火山引擎ByteHouse上线向量检索能力
    更多技术交流、求职机会,欢迎关注字节跳动数据平台微信公众号,回复【1】进入官方交流群 随着LLM技术应用及落地,数据库需要提高向量分析以及AI支持能力,向量数据库及向量检索等能力“异军突起”,迎来业界持续不断关注。简单来说,向量检索技术以及向量数据库能为LLM提供外置......
  • Unity3D 在移动端的性能优化指标怎样才算合理方面详解
    Unity3D是一款非常强大的跨平台游戏开发引擎,它能够在不同的平台上实现高质量的游戏开发。然而,在移动端上,由于硬件性能的限制,需要进行一定的性能优化才能保证游戏的流畅运行。本文将详细介绍Unity3D在移动端性能优化方面的指标和技术,并给出相关的代码实现。对啦!这里有个游戏开发交......
  • Web性能检测工具:Audits
    Chrome为我们提供了非常完善的性能检测工具:Performance和Audits,它们能够准确统计页面在加载阶段和运行阶段的一些核心数据,诸如任务执行记录、首屏展示花费的时长等,有了这些数据我们就能很容易定位到Web应用的性能瓶颈。首先Performance非常强大,因为它为我们提供了非常多的......
  • test-01-java 单元测试框架 junit 入门介绍
    拓展阅读junit5系列基于junit5实现junitperf源码分析Autogeneratemockdataforjavatest.(便于Java测试自动生成对象信息)Junitperformancerelyonjunit5andjdk8+.(java性能测试框架。性能测试。压测。测试报告生成。)JUnitJUnit是一个用于编写可重复测试......
  • test-02-java 单元测试框架 junit5 入门介绍
    拓展阅读junit5系列基于junit5实现junitperf源码分析Autogeneratemockdataforjavatest.(便于Java测试自动生成对象信息)Junitperformancerelyonjunit5andjdk8+.(java性能测试框架。性能测试。压测。测试报告生成。)junit5的入门例子maven引入<depend......
  • js性能
    垃圾回收程序会周期性运行,如果内存中分配了很多变量,则可能造成性能损失,因此垃圾回收的时间调度很重要。尤其是在内存有限的移动设备上,垃圾回收有可能会明显拖慢渲染的速度和帧速率。开发者不知道什么时候运行时会收集垃圾,因此最好的办法是在写代码时就要做到:无论什么时候开始收......
  • 【Application Insights】使用Powershell命令向Application Insgihts发送测试数据
    问题描述在昨天的文章中,介绍了“【ApplicationInsights】使用CURL命令向ApplicationInsgihts发送测试数据 ”,今天则继续实验通过PowerShell命令来发送测试数据到ApplicationInsights 问题解答从参考文档中复制出Powershell脚本,然后只需要修改ApplicationInsights的Connect......
  • 软件测试/测试开发/全日制|Pytest测试用例调度与运行
    前言Pytest是一个功能强大的Python测试框架,它具有灵活的测试用例调度和运行机制。在本文中,我们将深入了解Pytest是如何收集、选取和运行测试用例的。测试用例的收集在Pytest中,测试用例是通过函数来表示的。为了进行测试,Pytest需要收集这些测试函数。默认情况下,Pytest会在......
  • 软件测试/人工智能/全日制测试开发|利用ChatGPT自动生成自动化测试脚本
    自动化测试是软件测试过程中不可或缺的一部分,它能够提高测试效率,减少测试成本,保障软件质量。然而,编写和维护自动化测试脚本仍然是一个具有挑战性的任务,需要花费大量的时间和精力。学会借助ChatGPT自动生成自动化测试脚本,就可以减少编写自动化脚本的工作量,提高测试效率。如何借助Cha......