mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-10-31 11:56:44 +08:00
beddcba900
* [docs] format docs with markdown with language tags * [docs][win] add windows c++ sdk demo * [docs][win] add windows c++ sdk demo to examples * [docs][api] update runtime_option docs
79 lines
3.4 KiB
Markdown
79 lines
3.4 KiB
Markdown
# PaddleSeg Python部署示例
|
||
|
||
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](../../../../../docs/the%20software%20and%20hardware%20requirements.md)
|
||
- 2. FastDeploy Python whl包安装，参考[FastDeploy Python安装](../../../../../docs/quick_start)
|
||
|
||
本目录下提供`infer.py`快速完成Unet在CPU/GPU，以及GPU上通过TensorRT加速部署的示例。执行如下脚本即可完成
|
||
|
||
```bash
|
||
#下载部署示例代码
|
||
git clone https://github.com/PaddlePaddle/FastDeploy.git
|
||
cd FastDeploy/examples/vision/segmentation/paddleseg/python
|
||
|
||
# 下载Unet模型文件和测试图片
|
||
wget https://bj.bcebos.com/paddlehub/fastdeploy/Unet_cityscapes_without_argmax_infer.tgz
|
||
tar -xvf Unet_cityscapes_without_argmax_infer.tgz
|
||
wget https://paddleseg.bj.bcebos.com/dygraph/demo/cityscapes_demo.png
|
||
|
||
# CPU推理
|
||
python infer.py --model Unet_cityscapes_without_argmax_infer --image cityscapes_demo.png --device cpu
|
||
# GPU推理
|
||
python infer.py --model Unet_cityscapes_without_argmax_infer --image cityscapes_demo.png --device gpu
|
||
# GPU上使用TensorRT推理 （注意：TensorRT推理第一次运行，有序列化模型的操作，有一定耗时，需要耐心等待）
|
||
python infer.py --model Unet_cityscapes_without_argmax_infer --image cityscapes_demo.png --device gpu --use_trt True
|
||
```
|
||
|
||
运行完成可视化结果如下图所示
|
||
<div align="center">
|
||
<img src="https://user-images.githubusercontent.com/16222477/184588768-45ee673b-ef1f-40f4-9fbd-6b1a9ce17c59.png", width=512px, height=256px />
|
||
</div>
|
||
|
||
## PaddleSegModel Python接口
|
||
|
||
```python
|
||
fd.vision.segmentation.PaddleSegModel(model_file, params_file, config_file, runtime_option=None, model_format=Frontend.PADDLE)
|
||
```
|
||
|
||
PaddleSeg模型加载和初始化，其中model_file, params_file以及config_file为训练模型导出的Paddle inference文件，具体请参考其文档说明[模型导出](https://github.com/PaddlePaddle/PaddleSeg/blob/release/2.6/docs/model_export_cn.md)
|
||
|
||
**参数**
|
||
|
||
> * **model_file**(str): 模型文件路径
|
||
> * **params_file**(str): 参数文件路径
|
||
> * **config_file**(str): 推理部署配置文件
|
||
> * **runtime_option**(RuntimeOption): 后端推理配置，默认为None，即采用默认配置
|
||
> * **model_format**(Frontend): 模型格式，默认为Paddle格式
|
||
|
||
### predict函数
|
||
|
||
> ```python
|
||
> PaddleSegModel.predict(input_image)
|
||
> ```
|
||
>
|
||
> 模型预测结口，输入图像直接输出检测结果。
|
||
>
|
||
> **参数**
|
||
>
|
||
> > * **input_image**(np.ndarray): 输入数据，注意需为HWC，BGR格式
|
||
|
||
> **返回**
|
||
>
|
||
> > 返回`fastdeploy.vision.SegmentationResult`结构体，结构体说明参考文档[视觉模型预测结果](../../../../../docs/api/vision_results/)
|
||
|
||
### 类成员属性
|
||
#### 预处理参数
|
||
用户可按照自己的实际需求，修改下列预处理参数，从而影响最终的推理和部署效果
|
||
|
||
> > * **is_vertical_screen**(bool): PP-HumanSeg系列模型通过设置此参数为`true`表明输入图片是竖屏，即height大于width的图片
|
||
|
||
#### 后处理参数
|
||
> > * **with_softmax**(bool): 当模型导出时，并未指定`with_softmax`参数，可通过此设置此参数为`true`，将预测的输出分割标签（label_map）对应的概率结果(score_map)做softmax归一化处理
|
||
|
||
## 其它文档
|
||
|
||
- [PaddleSeg 模型介绍](..)
|
||
- [PaddleSeg C++部署](../cpp)
|
||
- [模型预测结果说明](../../../../../docs/api/vision_results/)
|