FastDeploy/examples/text/uie/cpp

通用信息抽取 UIE C++部署示例

本目录下提供infer.cc快速完成UIE模型在CPU/GPU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

快速开始

以Linux上uie-base模型推理为例，在本目录执行如下命令即可完成编译测试。

#下载SDK，编译模型examples代码（SDK中包含了examples代码）
wget https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-linux-x64-gpu-0.2.1.tgz
tar xvf fastdeploy-linux-x64-gpu-0.2.1.tgz

cd fastdeploy-linux-x64-gpu-0.2.1/examples/text/uie/cpp
mkdir build
cd build
cmake .. -DFASTDEPLOY_INSTALL_DIR=${PWD}/../../../../../../fastdeploy-linux-x64-gpu-0.2.1
make -j

# 下载uie-base模型以及词表
wget https://bj.bcebos.com/fastdeploy/models/uie/uie-base.tgz
tar -xvfz uie-base.tgz


# CPU 推理
./infer_demo uie-base 0

# GPU 推理
./infer_demo uie-base 1

# 使用OpenVINO推理
./infer_demo uie-base 1 2

运行完成后返回结果如下所示(仅截取NER任务的输出)。

[INFO] fastdeploy/fastdeploy_runtime.cc(264)::Init      Runtime initialized with Backend::PDINFER in device Device::CPU.
After init predictor
The result:
赛事名称:
    text: 北京冬奥会自由式滑雪女子大跳台决赛
    probability: 0.850309
    start: 6
    end: 23

时间:
    text: 2月8日上午
    probability: 0.985738
    start: 0
    end: 6

选手:
    text: 谷爱凌
    probability: 0.898155
    start: 28
    end: 31

UIEModel C++接口

SchemaNode 结构

表示UIE模型目标模式的结构。

SchemaNode(const std::string& name,
           const std::vector<SchemaNode>& children = {});

参数

• name(str): 需要抽取的信息。
• children(str): 当前节点需抽取信息关联的子信息。

UIEModel 结构

用于信息抽取任务的UIE模型结构。

初始化函数

UIEModel(
    const std::string& model_file, const std::string& params_file,
    const std::string& vocab_file, float position_prob, size_t max_length,
    const std::vector<std::string>& schema,
    const fastdeploy::RuntimeOption& custom_option =
        fastdeploy::RuntimeOption(),
    const fastdeploy::ModelFormat& model_format = fastdeploy::ModelFormat::PADDLE);
UIEModel(
    const std::string& model_file, const std::string& params_file,
    const std::string& vocab_file, float position_prob, size_t max_length,
    const SchemaNode& schema, const fastdeploy::RuntimeOption& custom_option =
                                  fastdeploy::RuntimeOption(),
    const fastdeploy::ModelFormat& model_format = fastdeploy::ModelFormat::PADDLE);
UIEModel(
    const std::string& model_file, const std::string& params_file,
    const std::string& vocab_file, float position_prob, size_t max_length,
    const std::vector<SchemaNode>& schema,
    const fastdeploy::RuntimeOption& custom_option =
        fastdeploy::RuntimeOption(),
    const fastdeploy::ModelFormat& model_format = fastdeploy::ModelFormat::PADDLE);

UIE模型加载和初始化，其中model_file, params_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。

参数

• model_file(str): 模型文件路径
• params_file(str): 参数文件路径
• vocab_file(str): 词表文件路径
• position_prob(str): 位置概率，模型将输出位置概率大于position_prob的位置，默认为0.5
• max_length(int): 输入文本的最大长度。输入文本下标超过max_length的部分将被截断。默认为128
• schema(list(SchemaNode) | SchemaNode | list(str)): 抽取任务的目标模式。
• 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

SetSchema函数

void SetSchema(const std::vector<std::string>& schema);
void SetSchema(const std::vector<SchemaNode>& schema);
void SetSchema(const SchemaNode& schema);

参数

• schema(list(SchemaNode) | SchemaNode | list(str)): 输入数据，待抽取文本模式。

Predict函数

void Predict(
    const std::vector<std::string>& texts,
    std::vector<std::unordered_map<std::string, std::vector<UIEResult>>>* results);

参数

• texts(list(str)): 文本列表
• results(list(dict())): UIE模型抽取结果。UIEResult结构详细可见UIEResult说明。

相关文档

UIE模型详细介绍

UIE模型导出方法

UIE C++部署方法