mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-12-24 13:28:13 +08:00
95 lines
4.0 KiB
Markdown
95 lines
4.0 KiB
Markdown
# PaddleDetection 服务化部署示例
|
||
|
||
本文档以PP-YOLOE模型(ppyoloe_crn_l_300e_coco)为例，进行详细介绍。其他PaddleDetection模型都已支持服务化部署，只需将下述命令中的模型和配置名字修改成要部署模型的名字。
|
||
|
||
PaddleDetection模型导出和预训练模型下载请看[PaddleDetection模型部署](../README.md)文档。
|
||
|
||
在服务化部署前，需确认
|
||
|
||
- 1. 服务化镜像的软硬件环境要求和镜像拉取命令请参考[FastDeploy服务化部署](../../../../../serving/README_CN.md)
|
||
|
||
|
||
## 启动服务
|
||
|
||
```bash
|
||
#下载部署示例代码
|
||
git clone https://github.com/PaddlePaddle/FastDeploy.git
|
||
cd FastDeploy/examples/vision/detection/paddledetection/serving
|
||
|
||
#下载PPYOLOE模型文件和测试图片
|
||
wget https://bj.bcebos.com/paddlehub/fastdeploy/ppyoloe_crn_l_300e_coco.tgz
|
||
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg
|
||
tar xvf ppyoloe_crn_l_300e_coco.tgz
|
||
|
||
# 将配置文件放入预处理目录
|
||
mv ppyoloe_crn_l_300e_coco/infer_cfg.yml models/preprocess/1/
|
||
|
||
# 将模型放入 models/runtime/1目录下, 并重命名为model.pdmodel和model.pdiparams
|
||
mv ppyoloe_crn_l_300e_coco/model.pdmodel models/runtime/1/model.pdmodel
|
||
mv ppyoloe_crn_l_300e_coco/model.pdiparams models/runtime/1/model.pdiparams
|
||
|
||
# 将ppdet和runtime中的ppyoloe配置文件重命名成标准的config名字
|
||
# 其他模型比如faster_rcc就将faster_rcnn_config.pbtxt重命名为config.pbtxt
|
||
cp models/ppdet/ppyoloe_config.pbtxt models/ppdet/config.pbtxt
|
||
cp models/runtime/ppyoloe_runtime_config.pbtxt models/runtime/config.pbtxt
|
||
|
||
# 注意： 由于mask_rcnn模型多一个输出，需要将后处理目录(models/postprocess)中的mask_config.pbtxt重命名为config.pbtxt
|
||
|
||
# 拉取fastdeploy镜像(x.y.z为镜像版本号，需替换成fastdeploy版本数字)
|
||
# GPU镜像
|
||
docker pull registry.baidubce.com/paddlepaddle/fastdeploy:x.y.z-gpu-cuda11.4-trt8.4-21.10
|
||
# CPU镜像
|
||
docker pull paddlepaddle/fastdeploy:z.y.z-cpu-only-21.10
|
||
|
||
|
||
# 运行容器.容器名字为 fd_serving, 并挂载当前目录为容器的 /serving 目录
|
||
nvidia-docker run -it --net=host --name fd_serving --shm-size="1g" -v `pwd`/:/serving registry.baidubce.com/paddlepaddle/fastdeploy:x.y.z-gpu-cuda11.4-trt8.4-21.10 bash
|
||
|
||
# 启动服务(不设置CUDA_VISIBLE_DEVICES环境变量，会拥有所有GPU卡的调度权限)
|
||
CUDA_VISIBLE_DEVICES=0 fastdeployserver --model-repository=/serving/models
|
||
```
|
||
>> **注意**:
|
||
|
||
>> 由于mask_rcnn模型多一个输出，部署mask_rcnn需要将后处理目录(models/postprocess)中的mask_config.pbtxt重命名为config.pbtxt
|
||
|
||
>> 拉取镜像请看[服务化部署主文档](../../../../../serving/README_CN.md)
|
||
|
||
>> 执行fastdeployserver启动服务出现"Address already in use", 请使用`--grpc-port`指定grpc端口号来启动服务，同时更改客户端示例中的请求端口号.
|
||
|
||
>> 其他启动参数可以使用 fastdeployserver --help 查看
|
||
|
||
服务启动成功后， 会有以下输出:
|
||
```
|
||
......
|
||
I0928 04:51:15.784517 206 grpc_server.cc:4117] Started GRPCInferenceService at 0.0.0.0:8001
|
||
I0928 04:51:15.785177 206 http_server.cc:2815] Started HTTPService at 0.0.0.0:8000
|
||
I0928 04:51:15.826578 206 http_server.cc:167] Started Metrics Service at 0.0.0.0:8002
|
||
```
|
||
|
||
|
||
## 客户端请求
|
||
|
||
在物理机器中执行以下命令，发送grpc请求并输出结果
|
||
```
|
||
#下载测试图片
|
||
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg
|
||
|
||
#安装客户端依赖
|
||
python3 -m pip install tritonclient[all]
|
||
|
||
# 发送请求
|
||
python3 paddledet_grpc_client.py
|
||
```
|
||
|
||
发送请求成功后，会返回json格式的检测结果并打印输出:
|
||
```
|
||
output_name: DET_RESULT
|
||
[[159.93016052246094, 82.35527038574219, 199.8546600341797, 164.68682861328125],
|
||
... ...,
|
||
[60.200584411621094, 123.73260498046875, 108.83859252929688, 169.07467651367188]]
|
||
```
|
||
|
||
## 配置修改
|
||
|
||
当前默认配置在GPU上运行Paddle引擎， 如果要在CPU或其他推理引擎上运行。 需要修改`models/runtime/config.pbtxt`中配置，详情请参考[配置文档](../../../../../serving/docs/zh_CN/model_configuration.md)
|