FastDeploy/examples/vision/sr/edvr/cpp

EDVR C++部署示例

本目录下提供infer.cc快速完成EDVR在CPU/GPU，以及GPU上通过TensorRT加速部署的示例。

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EDVR推理为例，在本目录执行如下命令即可完成编译测试（如若只需在CPU上部署，可在Fastdeploy C++预编译库下载CPU推理库）

#下载SDK，编译模型examples代码（SDK中包含了examples代码）
# fastdeploy版本 >= 0.7.0
wget https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-linux-x64-gpu-0.7.0.tgz
tar xvf fastdeploy-linux-x64-gpu-0.7.0.tgz
cd fastdeploy-linux-x64-gpu-0.7.0/examples/vision/sr/edvr/cpp/
mkdir build && cd build
cmake .. -DFASTDEPLOY_INSTALL_DIR=${PWD}/../../../../../../../fastdeploy-linux-x64-gpu-0.7.0
make -j

# 下载EDVR模型文件和测试视频
wget https://bj.bcebos.com/paddlehub/fastdeploy/EDVR_M_wo_tsa_SRx4.tar
tar -xvf EDVR_M_wo_tsa_SRx4.tar
wget https://bj.bcebos.com/paddlehub/fastdeploy/vsr_src.mp4


# CPU推理
./infer_demo EDVR_M_wo_tsa_SRx4 vsr_src.mp4 0 2
# GPU推理
./infer_demo EDVR_M_wo_tsa_SRx4 vsr_src.mp4 1 2
# GPU上TensorRT推理
./infer_demo EDVR_M_wo_tsa_SRx4 vsr_src.mp4 2 2

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

EDVR C++接口

EDVR类

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

EDVR模型加载和初始化，其中model_file为导出的Paddle模型格式。

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

EDVR::Predict(std::vector<cv::Mat>& imgs, std::vector<cv::Mat>& results)

模型预测接口，输入图像直接输出检测结果。

参数

• imgs: 输入视频帧序列，注意需为HWC，BGR格式
• results: 视频超分结果，超分后的视频帧序列

• 模型介绍
• Python部署
• 如何切换模型推理后端引擎