文章里写的推理时间0.007s是指HuBERT 和 ResNet1D总的时间吗？

[zgyh001]

文中：Our backbone is built on a pretrained HuBERT model and a ResNet1D network, which preserves high-frequency details
of facial movements. During implementation, our backbone synthesizes one second of facial animations with 30 fps in only 0.007
seconds.

1. 是指HuBERT 和 ResNet1D加一起的时间吗？
2. 这个是在什么硬件上的速度啊？

谢谢！

[wuhaozhe]

您好，指的是加在一起的时间。要把mode设置成eval, with torch.no_grad():。在2080ti上的速度。
具体计算方式是: 在测试集上每一个测试样例都跑一遍的总时间/测试集的总时长。