移动端使用TensorFlow lite 进行2张人脸照片对比，以Redmi K30 Ultra为例大概时间为50毫秒+ 这个速度对于大多数设备进行1:1 人脸识别应该是没有什么问题的，整个过程时间大部分消耗在启动相机，相机的各种初始化中。
然而对于1:N 的人脸识别，假如N=108，在小区门禁等业务场景中，可能最大的等待时间就差不多要6秒啦，这是用户难以接受的，目前尝试的优化措施包括：
-
1.加快单次人脸识别。录入的底片提前进行预处理，大小裁剪等裁剪
-
2.GPU 代理。 目前GPU 代理并不是所有的设备都能显著提高速度，特别是低端机，也许是模型要重新训练？等待后续看看拿几台GPU 配置高的设备看看
-
3.100 张底片总共推理比对时间大约为100 *（单次对比时间+其他处理），那么多线程是否能加快速度，因为一个解释器需要独占一个线程，那么就开2个线程配置2个推理器，每个线程推理54 张图片
一个线程108 张图共推理5.4 秒
开2个线程每个线程处理54张图。A 线程耗时4.595 秒 B线程耗时4.777 秒，时间取长就是总耗时4.777 秒！
针对措施3，我感觉数据不应该这样，就算是CPU 时间轮询切换会带来时间损耗,8核CPU配置感觉应该能压缩到3秒
**接触不多有点晕了
