Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
FluidDoc
提交
1fc93918
F
FluidDoc
项目概览
PaddlePaddle
/
FluidDoc
通知
4
Star
2
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
23
列表
看板
标记
里程碑
合并请求
111
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
F
FluidDoc
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
23
Issue
23
列表
看板
标记
里程碑
合并请求
111
合并请求
111
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
未验证
提交
1fc93918
编写于
6月 17, 2019
作者:
F
flame
提交者:
GitHub
6月 17, 2019
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
python inference api doc (#897)
* add python inference api doc
上级
f940ac03
变更
2
隐藏空白更改
内联
并排
Showing
2 changed file
with
145 addition
and
0 deletion
+145
-0
doc/fluid/advanced_usage/deploy/inference/index_cn.rst
doc/fluid/advanced_usage/deploy/inference/index_cn.rst
+1
-0
doc/fluid/advanced_usage/deploy/inference/python_infer_cn.md
doc/fluid/advanced_usage/deploy/inference/python_infer_cn.md
+144
-0
未找到文件。
doc/fluid/advanced_usage/deploy/inference/index_cn.rst
浏览文件 @
1fc93918
...
@@ -9,6 +9,7 @@ PaddlePaddle Fluid 提供了 C++ API 来支持模型的部署上线
...
@@ -9,6 +9,7 @@ PaddlePaddle Fluid 提供了 C++ API 来支持模型的部署上线
build_and_install_lib_cn.rst
build_and_install_lib_cn.rst
native_infer.md
native_infer.md
python_infer_cn.md
paddle_tensorrt_infer.md
paddle_tensorrt_infer.md
paddle_gpu_benchmark.md
paddle_gpu_benchmark.md
windows_cpp_inference.md
windows_cpp_inference.md
doc/fluid/advanced_usage/deploy/inference/python_infer_cn.md
0 → 100644
浏览文件 @
1fc93918
# PaddlePaddle 预测库 Python API介绍
Fluid提供了高度优化的
[
C++预测库
](
./native_infer.html
)
为了方便使用,我们也提供了C++预测库对应的Python接口,两者含义完全相同,下面是详细的使用说明
## PaddleTensor
`PaddleTensor`
是预测库输入和输出的数据结构,包括以下字段
*
`name`
(str): 指定输入的名称
*
`shape`
(tuple|list): Tensor的shape
*
`data`
(PaddleBuf): Tensor的数据,存储在
`PaddleBuf`
中,
*
`dtype`
(PaddleDType): Tensor的类型
## PaddleBuf
`PaddleBuf`
定义了
`PaddleTensor`
的存储结构,创建
`PaddleBuf`
:
```
python
int64_buf
=
PaddleBuf
([
1
,
2
,
3
,
4
])
float_buf
=
PaddleBuf
([
1.
,
2.
,
3.
,
4.
])
```
`PadleBuf`
包括以下方法
*
`resize`
: 重新分配内存,单位为byte
*
`reset`
: 重新设置数据
*
`empty`
: buffer是否为空
*
`float_data`
: 将数据转为float型的list返回
*
`int64_data`
: 将数据转为int64型的list返回
*
`length`
: 内存大小,单位为byte
## PaddleDType
`PaddleDType`
定义了
`PaddleTensor`
的类型,包括
*
`PaddleDType.INT64`
: 64位整型
*
`PaddleDType.FLOAT32`
: 32位浮点型
## AnalysisConfig
`AnalysisConfig`
是创建预测引擎的配置,主要包括以下方法
*
`set_model`
: 设置模型的路径
*
`model_dir`
: 返回模型路径
*
`enable_use_gpu`
: 设置GPU显存(单位M)和ID
*
`disable_gpu`
: 禁用GPU
*
`gpu_device_id`
: 返回使用的GPU ID
*
`switch_ir_optim`
: IR优化(默认开启)
*
`enable_tensorrt_engine`
: 启用TensorRT
*
`enable_mkldnn`
: 启用MKLDNN
## PaddlePredictor
`PaddlePredictor`
是运行预测的引擎,下面是创建和使用的说明
```
python
# 创建预测引擎
config
=
AnalysisConfig
(
model_dir
)
config
.
enable_use_gpu
(
200
,
0
)
# 200M显存, 设备id为0
config
.
enable_tensorrt_engine
()
# 打开TensorRT
predictor
=
create_paddle_predictor
(
config
)
# 设置输入
x
=
fluid
.
core
.
PaddleTensor
()
# x.name = ...
# x.shape = ...
# x.data = ...
# x.dtype = ...
y
=
fluid
.
core
.
PaddleTensor
()
# y.name = ...
# y.shape = ...
# y.data = ...
# y.dtype = ...
# 运行预测引擎得到结果,返回值是一个PaddleTensor的list
results
=
predictor
.
run
([
x
,
y
])
# 获得 results,并应用到自己的应用中
```
**Python API 相关接口与 C++ API 完全对应,可以对照查阅**
## 完整使用示例
下面是一个完整的resnet50预测示例
下载
[
resnet50模型
](
http://paddle-inference-dist.bj.bcebos.com/resnet50_model.tar.gz
)
并解压,运行如下命令将会调用预测引擎
```
bash
python resnet50_infer.py
--model_dir
model
--prog_file
model
--params_file
params
--batch_size
2
```
`resnet50_infer.py`
的内容是
```
python
import
argparse
import
numpy
as
np
from
paddle.fluid.core
import
PaddleBuf
from
paddle.fluid.core
import
PaddleDType
from
paddle.fluid.core
import
PaddleTensor
from
paddle.fluid.core
import
AnalysisConfig
from
paddle.fluid.core
import
create_paddle_predictor
def
main
():
args
=
parse_args
()
# Set config
config
=
AnalysisConfig
(
args
.
model_dir
)
config
.
disable_gpu
()
# Create PaddlePredictor
predictor
=
create_paddle_predictor
(
config
)
# Set inputs
inputs
=
fake_input
(
args
.
batch_size
)
# Infer
outputs
=
predictor
.
run
(
inputs
)
# parse outputs
output
=
outputs
[
0
]
print
(
output
.
name
)
output_data
=
output
.
data
.
float_data
()
assert
len
(
output_data
)
==
512
*
args
.
batch_size
for
i
in
range
(
args
.
batch_size
):
print
(
np
.
argmax
(
output_data
[
i
*
512
:(
i
+
1
)
*
512
]))
def
fake_input
(
batch_size
):
image
=
PaddleTensor
()
image
.
name
=
"data"
image
.
shape
=
[
batch_size
,
3
,
318
,
318
]
image
.
dtype
=
PaddleDType
.
FLOAT32
image
.
data
=
PaddleBuf
(
np
.
random
.
randn
(
*
image
.
shape
).
flatten
().
astype
(
"float32"
).
tolist
())
return
[
image
]
def
parse_args
():
parser
=
argparse
.
ArgumentParser
()
parser
.
add_argument
(
"--model_dir"
,
type
=
str
,
help
=
"model dir"
)
parser
.
add_argument
(
"--prog_file"
,
type
=
str
,
help
=
"program filename"
)
parser
.
add_argument
(
"--params_file"
,
type
=
str
,
help
=
"parameter filename"
)
parser
.
add_argument
(
"--batch_size"
,
type
=
int
,
default
=
1
,
help
=
"batch size"
)
return
parser
.
parse_args
()
if
__name__
==
"__main__"
:
main
()
```
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录