Swift 识别照片时的时间差

我创建了一个应用程序，可以识别照片中的花。照片可以来自画廊，也可以用相机拍摄。我有以下职能：

func detectFlower(image: CIImage,completion: @escaping (_ getString:String?,_ error:Error?,_ getDouble:Double?,_ getArray:Array<VNConfidence>?,_ getArray:Array<String>?)-> Void)  {
        
        guard let model = try? VNCoreMLModel(for: NewFlowersModel().model) else {
            
            fatalError("Cannot import a model.")
        }
        let methodStart = Date()
        let request = VNCoreMLRequest(model: model) { (request, error) in
            
            let classifiedNameOfFlower = request.results?.first as? VNClassificationObservation
            let classifiedValues = request.results as? [VNClassificationObservation]
            let methodFinish = Date()
            let nameOfFlower = String(classifiedNameOfFlower?.identifier ?? "Unexpected type")
            let executionTime = methodFinish.timeIntervalSince(methodStart)
            
            let classificationConfidences = classifiedValues?.prefix(10).map {
                ($0.confidence)
            }
            
            let classificationIdentifiers = classifiedValues?.prefix(10).map {
                ($0.identifier)
            }
            completion(nameOfFlower,nil,executionTime, classificationConfidences, classificationIdentifiers)
        }
        
        let handler = VNImageRequestHandler(ciImage: image)
        do {
            try handler.perform([request])
        } catch {
            print(error)
            completion(nil, error, nil, nil, nil)
        }
    }

func detectFlower（图像：CIImage，完成：@escaping（\uGetString:String？，\uError:error？，\uGetDouble:Double？，\uGetArray:Array？，\uGetArray:Array？）->Void）{
guard let model=try？VNCoreMLModel（for:newflowsmodel（）.model）else{
fatalError（“无法导入模型”）
}
let methodStart=Date（）
让request=VNCoreMLRequest（model:model）{（request，error）在
让ClassifiedNameOffflower=request.results？.first作为VN ClassificationObservation
让classifiedValues=request.results为？[VNClassificationObservation]
让methodFinish=Date（）
让NameOffflower=字符串（ClassifiedNameOffflower？.identifier？？？“意外类型”）
让executionTime=methodFinish.timeIntervalSince（methodStart）
设classificationConfidences=ClassifiedValue？.prefix（10）.map{
（$0.信心）
}
设classificationIdentifiers=ClassifiedValue？.prefix（10）.map{
（$0.标识符）
}
完成（流量名称、无、执行时间、分类机密、分类标识符）
}
let handler=vnimagerrequesthandler（ciImage:image）
做{
尝试处理程序。执行（[请求]）
}抓住{
打印（错误）
完成（无，错误，无，无，无，无）
}
}

用于识别。其中有两个常量用于测量时间，分别是

let methodStart=Date（）

和

let methodFinish=Date（）

。代码后面有一个常量，用于计算差值

let executionTime=methodFinish.timeIntervalSince（methodStart）

---

我注意到一种奇怪的依赖性——当我运行应用程序时，第一次扫描返回一个时间差，例如0.395959秒。下一次扫描返回的时间要短得多，例如0.033615秒。这会是什么结果呢？是什么原因造成了时间差，而且第一次扫描时，这段时间总是最长的？

从磁盘加载模型可能占用了大部分时间。每次执行检测时，您都在重新创建整个模型：

guard let model = try? VNCoreMLModel(for: NewFlowersModel().model) else { ... }

第一次这样做时，需要从磁盘加载大量数据。之后，大部分数据将被缓存，但这通常不是正确的方法，因为您仍然在浪费大量精力重新创建数据结构

---

您要做的是只创建一次模型和请求，可能是在应用程序启动期间，或者当您来到这个屏幕时，或者当您期望用户想要ML引擎时。将其存储在属性或共享对象中。然后，每次获得新映像时，只需创建

VNImageRequestHandler

并执行它。

从磁盘加载模型可能会占用大部分时间。每次执行检测时，您都在重新创建整个模型：

guard let model = try? VNCoreMLModel(for: NewFlowersModel().model) else { ... }

第一次这样做时，需要从磁盘加载大量数据。之后，大部分数据将被缓存，但这通常不是正确的方法，因为您仍然在浪费大量精力重新创建数据结构

您要做的是只创建一次模型和请求，可能是在应用程序启动期间，或者当您来到这个屏幕时，或者当您期望用户想要ML引擎时。将其存储在属性或共享对象中。然后，每次获得新图像时，只需创建

VNImageRequestHandler

并执行它