mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-10-04 16:22:57 +08:00
d49160252b
* Add Huawei Ascend NPU deploy through PaddleLite CANN * Add NNAdapter interface for paddlelite * Modify Huawei Ascend Cmake * Update way for compiling Huawei Ascend NPU deployment * remove UseLiteBackend in UseCANN * Support compile python whlee * Change names of nnadapter API * Add nnadapter pybind and remove useless API * Support Python deployment on Huawei Ascend NPU * Add models suppor for ascend * Add PPOCR rec reszie for ascend * fix conflict for ascend * Rename CANN to Ascend * Rename CANN to Ascend * Improve ascend * fix ascend bug * improve ascend docs * improve ascend docs * improve ascend docs * Improve Ascend * Improve Ascend * Move ascend python demo * Imporve ascend * Improve ascend * Improve ascend * Improve ascend * Improve ascend * Imporve ascend * Imporve ascend * Improve ascend * acc eval script * acc eval * remove acc_eval from branch huawei * Add detection and segmentation examples for Ascend deployment * Add detection and segmentation examples for Ascend deployment * Add PPOCR example for ascend deploy * Imporve paddle lite compiliation * Add FlyCV doc * Add FlyCV doc * Add FlyCV doc * Imporve Ascend docs * Imporve Ascend docs * Improve PPOCR example
PaddleDetection C++部署示例
本目录下提供infer_xxx.cc快速完成PaddleDetection模型包括PPYOLOE/PicoDet/YOLOX/YOLOv3/PPYOLO/FasterRCNN/YOLOv5/YOLOv6/YOLOv7/RTMDet/CascadeRCNN/PSSDet/RetinaNet/PPYOLOESOD/FCOS/TTFNet/TOOD/GFL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
-
- 软硬件环境满足要求，参考FastDeploy环境要求
-
- 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上推理为例，在本目录执行如下命令即可完成编译测试，支持此模型需保证FastDeploy版本0.7.0以上(x.x.x>=0.7.0)
以ppyoloe为例进行推理部署
mkdir build
cd build
# 下载FastDeploy预编译库，用户可在上文提到的`FastDeploy预编译库`中自行选择合适的版本使用
wget https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-linux-x64-x.x.x.tgz
tar xvf fastdeploy-linux-x64-x.x.x.tgz
cmake .. -DFASTDEPLOY_INSTALL_DIR=${PWD}/fastdeploy-linux-x64-x.x.x
make -j
# 下载PPYOLOE模型文件和测试图片
wget https://bj.bcebos.com/paddlehub/fastdeploy/ppyoloe_crn_l_300e_coco.tgz
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg
tar xvf ppyoloe_crn_l_300e_coco.tgz
# CPU推理
./infer_ppyoloe_demo ./ppyoloe_crn_l_300e_coco 000000014439.jpg 0
# GPU推理
./infer_ppyoloe_demo ./ppyoloe_crn_l_300e_coco 000000014439.jpg 1
# GPU上TensorRT推理
./infer_ppyoloe_demo ./ppyoloe_crn_l_300e_coco 000000014439.jpg 2
# 昆仑芯XPU推理
./infer_ppyoloe_demo ./ppyoloe_crn_l_300e_coco 000000014439.jpg 3
# 华为昇腾推理
./infer_ppyoloe_demo ./ppyoloe_crn_l_300e_coco 000000014439.jpg 4
以上命令只适用于Linux或MacOS, Windows下SDK的使用方式请参考:
如果用户使用华为昇腾NPU部署, 请参考以下方式在部署前初始化部署环境:
PaddleDetection C++接口
模型类
PaddleDetection目前支持6种模型系列，类名分别为PPYOLOE, PicoDet, PaddleYOLOX, PPYOLO, FasterRCNN，SSD,PaddleYOLOv5,PaddleYOLOv6,PaddleYOLOv7,RTMDet,CascadeRCNN,PSSDet,RetinaNet,PPYOLOESOD,FCOS,TTFNet,TOOD,GFL所有类名的构造函数和预测函数在参数上完全一致，本文档以PPYOLOE为例讲解API
fastdeploy::vision::detection::PPYOLOE(
const string& model_file,
const string& params_file,
const string& config_file
const RuntimeOption& runtime_option = RuntimeOption(),
const ModelFormat& model_format = ModelFormat::PADDLE)
PaddleDetection PPYOLOE模型加载和初始化，其中model_file为导出的ONNX模型格式。
参数
- model_file(str): 模型文件路径
- params_file(str): 参数文件路径
- config_file(str): 配置文件路径，即PaddleDetection导出的部署yaml文件
- 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
PPYOLOE::Predict(cv::Mat* im, DetectionResult* result)模型预测接口，输入图像直接输出检测结果。
参数
- im: 输入图像，注意需为HWC，BGR格式
- result: 检测结果，包括检测框，各个框的置信度, DetectionResult说明参考视觉模型预测结果