mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-12-24 13:28:13 +08:00
1e9872db94
* add FlyCV support * update doc * update cmake * re-ci * fix bug * fix cmake * fix doc * update doc * fix doc
58 lines
3.3 KiB
Markdown
Executable File
58 lines
3.3 KiB
Markdown
Executable File
# PP-YOLOE 量化模型 C++ 部署示例
|
||
|
||
本目录下提供的 `infer.cc`，可以帮助用户快速完成 PP-YOLOE 量化模型在 A311D 上的部署推理加速。
|
||
|
||
## 部署准备
|
||
### FastDeploy 交叉编译环境准备
|
||
- 1. 软硬件环境满足要求，以及交叉编译环境的准备，请参考：[FastDeploy 交叉编译环境准备](../../../../../../docs/cn/build_and_install/a311d.md#交叉编译环境搭建)
|
||
|
||
### 模型准备
|
||
- 1. 用户可以直接使用由 FastDeploy 提供的量化模型进行部署。
|
||
- 2. 用户可以先使用 PaddleDetection 自行导出 Float32 模型，注意导出模型模型时设置参数：use_shared_conv=False，更多细节请参考：[PP-YOLOE](https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.4/configs/ppyoloe)
|
||
- 3. 用户可以使用 FastDeploy 提供的[一键模型自动化压缩工具](../../../../../../tools/common_tools/auto_compression/)，自行进行模型量化, 并使用产出的量化模型进行部署。（注意: 推理量化后的检测模型仍然需要FP32模型文件夹下的 infer_cfg.yml 文件，自行量化的模型文件夹内不包含此 yaml 文件，用户从 FP32 模型文件夹下复制此yaml文件到量化后的模型文件夹内即可。）
|
||
- 更多量化相关相关信息可查阅[模型量化](../../quantize/README.md)
|
||
|
||
## 在 A311D 上部署量化后的 PP-YOLOE 检测模型
|
||
请按照以下步骤完成在 A311D 上部署 PP-YOLOE 量化模型：
|
||
1. 交叉编译编译 FastDeploy 库，具体请参考：[交叉编译 FastDeploy](../../../../../../docs/cn/build_and_install/a311d.md#基于-paddlelite-的-fastdeploy-交叉编译库编译)
|
||
|
||
2. 将编译后的库拷贝到当前目录，可使用如下命令：
|
||
```bash
|
||
cp -r FastDeploy/build/fastdeploy-timvx/ FastDeploy/examples/vision/detection/paddledetection/a311d/cpp
|
||
```
|
||
|
||
3. 在当前路径下载部署所需的模型和示例图片：
|
||
```bash
|
||
cd FastDeploy/examples/vision/detection/paddledetection/a311d/cpp
|
||
mkdir models && mkdir images
|
||
wget https://bj.bcebos.com/fastdeploy/models/ppyoloe_noshare_qat.tar.gz
|
||
tar -xvf ppyoloe_noshare_qat.tar.gz
|
||
cp -r ppyoloe_noshare_qat models
|
||
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg
|
||
cp -r 000000014439.jpg images
|
||
```
|
||
|
||
4. 编译部署示例，可使入如下命令：
|
||
```bash
|
||
cd FastDeploy/examples/vision/detection/paddledetection/a311d/cpp
|
||
mkdir build && cd build
|
||
cmake -DCMAKE_TOOLCHAIN_FILE=${PWD}/../fastdeploy-timvx/toolchain.cmake -DFASTDEPLOY_INSTALL_DIR=${PWD}/../fastdeploy-timvx -DTARGET_ABI=arm64 ..
|
||
make -j8
|
||
make install
|
||
# 成功编译之后，会生成 install 文件夹，里面有一个运行 demo 和部署所需的库
|
||
```
|
||
|
||
5. 基于 adb 工具部署 PP-YOLOE 检测模型到晶晨 A311D
|
||
```bash
|
||
# 进入 install 目录
|
||
cd FastDeploy/examples/vision/detection/paddledetection/a311d/cpp/build/install/
|
||
# 如下命令表示：bash run_with_adb.sh 需要运行的demo 模型路径 图片路径 设备的DEVICE_ID
|
||
bash run_with_adb.sh infer_demo ppyoloe_noshare_qat 000000014439.jpg $DEVICE_ID
|
||
```
|
||
|
||
部署成功后运行结果如下：
|
||
|
||
<img width="640" src="https://user-images.githubusercontent.com/30516196/203708564-43c49485-9b48-4eb2-8fe7-0fa517979fff.png">
|
||
|
||
需要特别注意的是，在 A311D 上部署的模型需要是量化后的模型，模型的量化请参考：[模型量化](../../../../../../docs/cn/quantize.md)
|