mirror of https://github.com/PaddlePaddle/FastDeploy.git synced 2025-10-07 09:31:35 +08:00

Files

Zheng_Bicheng 6408af263a [Add Model]Add RKPicodet (#495 )

* 11-02/14:35
* 新增输入数据format错误判断
* 优化推理过程，减少内存分配次数
* 支持多输入rknn模型
* rknn模型输出shape为三维时，输出将被强制对齐为4纬。现在将直接抹除rknn补充的shape，方便部分对输出shape进行判断的模型进行正确的后处理。

* 11-03/17:25
* 支持导出多输入RKNN模型
* 更新各种文档
* ppseg改用Fastdeploy中的模型进行转换

* 11-03/17:25
* 新增开源头

* 11-03/21:48
* 删除无用debug代码，补充注释

* 11-04/01:00
* 新增rkpicodet代码

* 11-04/13:13
* 提交编译缺少的文件

* 11-04/14:03
* 更新安装文档

* 11-04/14:21
* 更新picodet_s配置文件

* 11-04/14:21
* 更新picodet自适应输出结果

* 11-04/14:21
* 更新文档

* * 更新配置文件

* * 修正配置文件

* * 添加缺失的python文件

* * 修正文档

* * 修正代码格式问题0

* * 按照要求修改

* * 按照要求修改

* * 按照要求修改

* * 按照要求修改

* * 按照要求修改

* test

2022-11-06 17:29:00 +08:00

1.6 KiB

Raw Blame History

导出模型指南

简介

Fastdeploy已经简单的集成了onnx->rknn的转换过程。本教程使用tools/export.py文件导出模型，在导出之前需要编写yaml配置文件。在进行转换前请根据rknn_toolkit2安装文档检查环境是否已经安装成功。

export.py 配置参数介绍

参数名称	是否可以为空	参数作用
verbose	是，默认值为True	是否在屏幕上输出转换模型时的具体信息
config_path	否	配置文件路径

config 配置文件介绍

config yaml文件模版

model_path: ./portrait_pp_humansegv2_lite_256x144_pretrained.onnx
output_folder: ./
target_platform: RK3588
normalize:
  mean: [[0.5,0.5,0.5]]
  std: [[0.5,0.5,0.5]]
outputs: None

config 配置参数介绍

model_path: 模型储存路径
output_folder: 模型储存文件夹名字
target_platform: 模型跑在哪一个设备上，只能为RK3588或RK3568
normalize: 配置在NPU上的normalize操作，有std和mean两个参数
- std: 如果在外部做normalize操作，请配置为[1/255,1/255,1/255]
- mean: 如果在外部做normalize操作，请配置为[0,0,0]
outputs: 输出节点列表，如果使用默认输出节点，请配置为None

如何转换模型

根目录下执行以下代码

python tools/export.py  --config_path=./config.yaml

模型导出要注意的事项

请不要导出带softmax和argmax的模型，这两个算子存在bug，请在外部进行运算

1.6 KiB Raw Blame History Unescape Escape