mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-10-05 08:37:06 +08:00
b42ec302e6
* [FlyCV] Bump up FlyCV -> official release 1.0.0 * change PaddleLite or Paddle-Lite to Paddle lite * fix docs * fix doc Co-authored-by: DefTruth <qiustudent_r@163.com> Co-authored-by: DefTruth <31974251+DefTruth@users.noreply.github.com>
PaddleClas 模型部署
模型版本说明
目前FastDeploy支持如下模型的部署
- PP-LCNet系列模型
- PP-LCNetV2系列模型
- EfficientNet系列模型
- GhostNet系列模型
- MobileNet系列模型(包含v1,v2,v3)
- ShuffleNet系列模型
- SqueezeNet系列模型
- Inception系列模型
- PP-HGNet系列模型
- ResNet系列模型（包含vd系列）
准备PaddleClas部署模型
PaddleClas模型导出，请参考其文档说明模型导出
注意：PaddleClas导出的模型仅包含inference.pdmodel和inference.pdiparams两个文件，但为了满足部署的需求，同时也需准备其提供的通用inference_cls.yaml文件，FastDeploy会从yaml文件中获取模型在推理时需要的预处理信息，开发者可直接下载此文件使用。但需根据自己的需求修改yaml文件中的配置参数，具体可比照PaddleClas模型训练config中的infer部分的配置信息进行修改。
下载预训练模型
为了方便开发者的测试，下面提供了PaddleClas导出的部分模型（含inference_cls.yaml文件），开发者可直接下载使用。
| 模型 | 参数文件大小 | 输入Shape | Top1 | Top5 |
|---|---|---|---|---|
| PPLCNet_x1_0 | 12MB | 224x224 | 71.32% | 90.03% |
| PPLCNetV2_base | 26MB | 224x224 | 77.04% | 93.27% |
| EfficientNetB7 | 255MB | 600x600 | 84.3% | 96.9% |
| EfficientNetB0_small | 18MB | 224x224 | 75.8% | 75.8% |
| GhostNet_x1_3_ssld | 29MB | 224x224 | 75.7% | 92.5% |
| GhostNet_x0_5 | 10MB | 224x224 | 66.8% | 86.9% |
| MobileNetV1_x0_25 | 1.9MB | 224x224 | 51.4% | 75.5% |
| MobileNetV1_ssld | 17MB | 224x224 | 77.9% | 93.9% |
| MobileNetV2_x0_25 | 5.9MB | 224x224 | 53.2% | 76.5% |
| MobileNetV2_ssld | 14MB | 224x224 | 76.74% | 93.39% |
| MobileNetV3_small_x0_35_ssld | 6.4MB | 224x224 | 55.55% | 77.71% |
| MobileNetV3_large_x1_0_ssld | 22MB | 224x224 | 78.96% | 94.48% |
| ShuffleNetV2_x0_25 | 2.4MB | 224x224 | 49.9% | 73.79% |
| ShuffleNetV2_x2_0 | 29MB | 224x224 | 73.15% | 91.2% |
| SqueezeNet1_1 | 4.8MB | 224x224 | 60.1% | 81.9% |
| InceptionV3 | 92MB | 299x299 | 79.14% | 94.59% |
| PPHGNet_tiny_ssld | 57MB | 224x224 | 81.95% | 96.12% |
| PPHGNet_base_ssld | 274MB | 224x224 | 85.0% | 97.35% |
| ResNet50_vd | 98MB | 224x224 | 79.12% | 94.44% |