mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-10-06 09:07:10 +08:00
32 lines
1.1 KiB
Markdown
32 lines
1.1 KiB
Markdown
[English](README.md) | 简体中文
|
||
# RKYOLO C++部署示例
|
||
|
||
本目录下提供`infer_xxxxx.cc`快速完成RKYOLO模型在Rockchip板子上上通过二代NPU加速部署的示例。
|
||
|
||
在部署前，需确认以下两个步骤:
|
||
|
||
1. 软硬件环境满足要求
|
||
2. 根据开发环境，下载预编译部署库或者从头编译FastDeploy仓库
|
||
|
||
以上步骤请参考[RK2代NPU部署库编译](../../../../../docs/cn/build_and_install/rknpu2.md)实现
|
||
|
||
```bash
|
||
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg
|
||
cd build
|
||
cmake .. -DFASTDEPLOY_INSTALL_DIR=${PWD}/fastdeploy-linux-x64-x.x.x
|
||
make -j8
|
||
./infer_rkyolo /path/to/model 000000014439.jpg
|
||
```
|
||
|
||
## 常见问题
|
||
|
||
如果你使用自己训练的YOLOv5模型，你可能会碰到运行FastDeploy的demo后出现`segmentation fault`的问题，很大概率是label数目不一致，你可以使用以下方案来解决:
|
||
|
||
```c++
|
||
model.GetPostprocessor().SetClassNum(3);
|
||
```
|
||
|
||
- [模型介绍](../../)
|
||
- [Python部署](../python)
|
||
- [视觉模型预测结果](../../../../../docs/api/vision_results/)
|