速度之需: 面向 Python 的 JPEG 解码器全面基准测试
图像与视频处理
2025-01-24 v1 性能
摘要
图像加载是现代机器学习管道中的关键瓶颈，尤其是在计算机视觉任务中，JPEG 仍是主导格式。本研究对九大流行 Python JPEG 解码库在不同计算架构上的系统性性能进行分析。我们在 ARM64 (Apple M4 Max) 和 x86_64 (AMD Threadripper) 平台上对传统图像处理库 (Pillow、OpenCV)、机器学习框架 (TensorFlow、PyTorch) 以及专用解码器 (jpeg4py、kornia-rs) 进行基准测试。我们的发现表明，基于 libjpeg-turbo 的现代实现相较于传统方法可实现解码速度提升最高达 1.5 倍。我们提供基于证据的建议，帮助在从高吞吐训练管道到实时应用程序的不同场景中选择最佳 JPEG 解码器。这一全面分析帮助实践者作出明智的决策，从而可能缩短训练时间并提高系统效率。
引用
@article{arxiv.2501.13131,
title = {Need for Speed: A Comprehensive Benchmark of JPEG Decoders in Python},
author = {Vladimir Iglovikov},
journal= {arXiv preprint arXiv:2501.13131},
year = {2025}
}