FastDeploy/examples/vision/generation/anemigan/cpp/README_CN.md

English | 简体中文

AnimeGAN C++部署示例

本目录下提供infer.cc快速完成AnimeGAN在CPU/GPU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，参考FastDeploy环境要求
• 2. 根据开发环境，下载预编译部署库和samples代码，参考FastDeploy预编译库

以Linux上AnimeGAN推理为例，在本目录执行如下命令即可完成编译测试，支持此模型需保证FastDeploy版本1.0.2以上(x.x.x>=1.0.2)

mkdir build
cd build
# 下载FastDeploy预编译库，用户可在上文提到的`FastDeploy预编译库`中自行选择合适的版本使用
wget https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-linux-x64-x.x.x.tgz
tar xvf fastdeploy-linux-x64-x.x.x.tgz
cmake .. -DFASTDEPLOY_INSTALL_DIR=${PWD}/fastdeploy-linux-x64-x.x.x
make -j

# 下载准备好的模型文件和测试图片
wget https://bj.bcebos.com/paddlehub/fastdeploy/style_transfer_testimg.jpg
wget https://bj.bcebos.com/paddlehub/fastdeploy/animegan_v1_hayao_60_v1.0.0.tgz
tar xvfz animegan_v1_hayao_60_v1.0.0.tgz

# CPU推理
./infer_demo --model animegan_v1_hayao_60 --image style_transfer_testimg.jpg  --device cpu
# GPU推理
./infer_demo --model animegan_v1_hayao_60 --image style_transfer_testimg.jpg  --device gpu

以上命令只适用于Linux或MacOS, Windows下SDK的使用方式请参考:

• 如何在Windows中使用FastDeploy C++ SDK

AnimeGAN C++接口

AnimeGAN类

fastdeploy::vision::generation::AnimeGAN(
        const string& model_file,
        const string& params_file = "",
        const RuntimeOption& runtime_option = RuntimeOption(),
        const ModelFormat& model_format = ModelFormat::PADDLE)

AnimeGAN模型加载和初始化，其中model_file为导出的Paddle模型结构文件，params_file为模型参数文件。

参数

• model_file(str): 模型文件路径
• params_file(str): 参数文件路径
• runtime_option(RuntimeOption): 后端推理配置，默认为None，即采用默认配置
• model_format(ModelFormat): 模型格式，默认为Paddle格式

Predict函数

bool AnimeGAN::Predict(cv::Mat& image, cv::Mat* result)

模型预测入口，输入图像输出风格迁移后的结果。

参数

• image: 输入数据，注意需为HWC，BGR格式
• result: 风格转换后的图像，BGR格式

BatchPredict函数

bool AnimeGAN::BatchPredict(const std::vector<cv::Mat>& images, std::vector<cv::Mat>* results);

模型预测入口，输入一组图像并输出风格迁移后的结果。

参数

• images: 输入数据，一组图像数据，注意需为HWC，BGR格式
• results: 风格转换后的一组图像，BGR格式

• 模型介绍
• Python部署
• 如何切换模型推理后端引擎