mirror of https://github.com/PaddlePaddle/FastDeploy.git synced 2025-10-05 16:48:03 +08:00

Files

chenjian c8bcada1a2 [Doc] Add docs for ppocr ppseg examples (#1429 )

* add docs for examples

* add english doc

* fix

* fix docs

2023-02-28 20:13:01 +08:00

4.0 KiB

Raw Blame History

English | 简体中文

YOLOv5 C#部署示例

本目录下提供infer.cs来调用C# API快速完成YOLOv5模型在CPU/GPU上部署的示例。

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
1. 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

在Windows下执行如下操作完成编译测试，支持此模型需保证FastDeploy版本1.0.4以上(x.x.x>=1.0.4)

1. 下载C#包管理程序nuget客户端

https://dist.nuget.org/win-x86-commandline/v6.4.0/nuget.exe

下载完成后将该程序添加到环境变量PATH中

2. 下载模型文件和测试图片

https://bj.bcebos.com/paddlehub/fastdeploy/yolov5s.onnx https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg

3. 编译示例代码

本文档编译的示例代码可在解压的库中找到，编译工具依赖VS 2019的安装，Windows打开x64 Native Tools Command Prompt for VS 2019命令工具，通过如下命令开始编译

cd D:\Download\fastdeploy-win-x64-gpu-x.x.x\examples\vision\detection\yolov5\csharp

mkdir build && cd build
cmake .. -G "Visual Studio 16 2019" -A x64 -DFASTDEPLOY_INSTALL_DIR=D:\Download\fastdeploy-win-x64-gpu-x.x.x -DCUDA_DIRECTORY="C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.2"

nuget restore
msbuild infer_demo.sln /m:4 /p:Configuration=Release /p:Platform=x64

关于使用Visual Studio 2019创建sln工程，或者CMake工程等方式编译的更详细信息，可参考如下文档

4. 运行可执行程序

注意Windows上运行时，需要将FastDeploy依赖的库拷贝至可执行程序所在目录, 或者配置环境变量。FastDeploy提供了工具帮助我们快速将所有依赖库拷贝至可执行程序所在目录,通过如下命令将所有依赖的dll文件拷贝至可执行程序所在的目录(可能生成的可执行文件在Release下还有一层目录，这里假设生成的可执行文件在Release处)

cd D:\Download\fastdeploy-win-x64-gpu-x.x.x

fastdeploy_init.bat install %cd% D:\Download\fastdeploy-win-x64-gpu-x.x.x\examples\vision\detection\yolov5\csharp\build\Release

将dll拷贝到当前路径后，准备好模型和图片，使用如下命令运行可执行程序即可

cd Release
infer_demo yolov5s.onnx 000000014439.jpg 0 # CPU
infer_demo yolov5s.onnx 000000014439.jpg 1  # GPU

YOLOv5 C#接口

模型

fastdeploy.vision.detection.YOLOv5(
        string model_file,
        string params_file,
        fastdeploy.RuntimeOption runtime_option = null,
        fastdeploy.ModelFormat model_format = ModelFormat.ONNX)

YOLOv5 模型加载和初始化。

参数

model_file(str): 模型文件路径

params_file(str): 参数文件路径，当模型格式为ONNX时，此参数传入空字符串即可

runtime_option(RuntimeOption): 后端推理配置，默认为null，即采用默认配置

model_format(ModelFormat): 模型格式，默认为ONNX格式

Predict函数

fastdeploy.DetectionResult Predict(OpenCvSharp.Mat im)

模型预测接口，输入图像直接输出检测结果。

参数

im(Mat): 输入图像，注意需为HWC，BGR格式

返回值

result(DetectionResult): 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

4.0 KiB Raw Blame History Unescape Escape