这次测了什么
开始于 7:23:08,结束于 8:01:42(北京时间)。
文件夹里实际是 165 张照片和 115 段视频,不是另行准备的 1000 张照片。280 个文件全部扫完,没有跳过。
按这次每张照片的平均用时来推算,同样这台电脑扫 1000 张照片大约要 11 分钟。这是推算。另一次「只扫 1000 张照片」的实跑没有做。
时光点名 · 初见版 1.0.0(build 20261020)
旧照片里的人,一个个点到名。
2026 年 10 月 20 日早上,在作者自己的电脑上,用时光点名的扫描引擎,把一个还没整理的备份文件夹整份认了一遍。
开始于 7:23:08,结束于 8:01:42(北京时间)。
文件夹里实际是 165 张照片和 115 段视频,不是另行准备的 1000 张照片。280 个文件全部扫完,没有跳过。
按这次每张照片的平均用时来推算,同样这台电脑扫 1000 张照片大约要 11 分钟。这是推算。另一次「只扫 1000 张照片」的实跑没有做。
| 电脑 | 联想 82SN |
|---|---|
| 处理器 | AMD Ryzen 7 6800H,8 核 16 线程。Windows 报告的主频是 3.2 GHz。 |
| 内存 | 4 条 4 GB 美光 DDR5-6400,共 16 GB。核显要占用一部分,Windows 能看见的大约是 13.7 GB。 |
| 显卡 | AMD Radeon 核显,驱动 31.0.21024.2004。这台机器没有独立显卡,识别全程用处理器。 |
| 系统 | Windows 11 家庭中文版,64 位,版本 10.0.22631。 |
| 硬盘 | UMIS NVMe 固态硬盘,约 1 TB。测试文件在 E 盘,NTFS,分区约 715 GB。开测时 E 盘还剩约 24 GB。 |
软件是时光点名 1.0.0(build 20261020)。计时用的是当前源码里的同一套扫描引擎,Python 3.10.11,ONNX Runtime 1.23.2,只启用 CPU。推理线程 6 条。扫描过程中程序会把自己的优先级放低,这次用时已经包含这一点。
| 位置 | E:\202610视频备份(未整理),包含子文件夹。 |
|---|---|
| 照片 | 165 张(160 张 JPG、5 张 PNG),大约 914 MB。 |
| 视频 | 115 段 MP4,大约 51.5 GB。总时长 1 小时 34 分 25 秒。其中 114 段是 3840×2160,1 段是 1920×1080。 |
视频勾选了「扫描视频文件」,用的是「快速分析」:大约每 2 秒看一帧,一段视频里最多留下 5 个人。没有用「深度分析」。
| 全部 280 个文件 | 38 分 34 秒 |
|---|---|
| 165 张照片 | 1 分 50 秒。平均一张 0.67 秒,一半的照片在 0.60 秒以内,最慢的一张 2.6 秒。大约每分钟 90 张。 |
| 115 段视频 | 36 分 15 秒。一半的视频在 7.7 秒以内,最慢的一段 2 分 55 秒。 |
| 和播放相比 | 这些视频如果正常播放要 1 小时 34 分。快速分析用 36 分钟看完,大约是播放速度的 2.6 倍。它不是每一帧都看。 |
| 认出的脸 | 926 张脸。 |
| 扫完时的人数 | 204 人。 |
| 打开相册之后 | 软件会把长得很像的人合并。相册里变成 160 人,并分出 6 组「常在一起」。 |
38 分 34 秒里,照片加视频的识别大约占 38 分钟,剩下大约半分钟是载入模型和保存索引。
扫描时,整台电脑的内存占用一度到 95%(Windows 可见内存大约 13.7 GB)。这是整机占用,不是这个程序单独占了这么多。快结束时抽查,扫描进程大约 760 MB。
下面的图是同一次结果打开后的界面。人脸来自作者自己的备份,还没有起名,所以卡片上是编号。人像已做模糊处理,看不清是谁。