apps/FastDeploy
1
0
Fork 0
mirror of https://github.com/PaddlePaddle/FastDeploy.git synced 2025-10-06 00:57:33 +08:00
Code Issues Actions 2 Packages Projects Releases Wiki Activity
Files
6a1a3d001fd4b6a4ed58181c58b8b8ea764a99c5
FastDeploy/examples/vision/classification/paddleclas/a311d/cpp
History
yeliang2258 6a1a3d001f [Backend] A311D support (#825) 
* add A311D support

* update code

* update toolchain

* update opencv_armhf lib

* update libs

* update code

* add install script

* update bos link

* update toolchain
2022-12-13 11:53:36 +08:00
..
CMakeLists.txt
[Backend] A311D support (#825)
2022-12-13 11:53:36 +08:00
infer.cc
[Backend] A311D support (#825)
2022-12-13 11:53:36 +08:00
README.md
[Backend] A311D support (#825)
2022-12-13 11:53:36 +08:00
run_with_adb.sh
[Backend] A311D support (#825)
2022-12-13 11:53:36 +08:00

README.md

PaddleClas A311D 开发板 C++ 部署示例

本目录下提供的 infer.cc，可以帮助用户快速完成 PaddleClas 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

量化模型准备

    1. 用户可以直接使用由 FastDeploy 提供的量化模型进行部署。
    1. 用户可以使用 FastDeploy 提供的一键模型自动化压缩工具，自行进行模型量化, 并使用产出的量化模型进行部署。(注意: 推理量化后的分类模型仍然需要FP32模型文件夹下的inference_cls.yaml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

在 A311D 上部署量化后的 ResNet50_Vd 分类模型

请按照以下步骤完成在 A311D 上部署 ResNet50_Vd 量化模型：

  1. 交叉编译编译 FastDeploy 库，具体请参考：交叉编译 FastDeploy

  2. 将编译后的库拷贝到当前目录，可使用如下命令：

cp -r FastDeploy/build/fastdeploy-tmivx/ FastDeploy/examples/vision/classification/paddleclas/a311d/cpp/
  1. 在当前路径下载部署所需的模型和示例图片：
mkdir models && mkdir images
wget https://bj.bcebos.com/paddlehub/fastdeploy/ResNet50_vd_infer.tgz
tar -xvf ResNet50_vd_infer.tgz
cp -r ResNet50_vd_infer models
wget https://gitee.com/paddlepaddle/PaddleClas/raw/release/2.4/deploy/images/ImageNet/ILSVRC2012_val_00000010.jpeg
cp -r ILSVRC2012_val_00000010.jpeg images
  1. 编译部署示例，可使入如下命令：
mkdir build && cd build
cmake -DCMAKE_TOOLCHAIN_FILE=${PWD}/../fastdeploy-tmivx/toolchain.cmake -DFASTDEPLOY_INSTALL_DIR=${PWD}/../fastdeploy-tmivx -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
  1. 基于 adb 工具部署 ResNet50_vd 分类模型到晶晨 A311D，可使用如下命令：
# 进入 install 目录
cd FastDeploy/examples/vision/classification/paddleclas/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 ResNet50_vd_infer ILSVRC2012_val_00000010.jpeg $DEVICE_ID

部署成功后运行结果如下：

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