polish inference docs

docs/zh_cn/extension/paddle_inference.md

+# 分类预测框架
+
+### 一、简介
+
+Paddle 的模型保存有多种不同的形式，大体可分为两类：
+1. persistable 模型（fluid.save保存的模型）
+    一般用作模型的 checkpoint，可以加载后重新训练。persistable 模型保存的是零散的权重文件，每个文件代表模型中的一个 Variable，这些零散的文件不包含结构信息，需要结合模型的结构一起使用。
+    ```
+    resnet50-vd-persistable/
+    ├── bn2a_branch1_mean
+    ├── bn2a_branch1_offset
+    ├── bn2a_branch1_scale
+    ├── bn2a_branch1_variance
+    ├── bn2a_branch2a_mean
+    ├── bn2a_branch2a_offset
+    ├── bn2a_branch2a_scale
+    ├── ...
+    └── res5c_branch2c_weights
+    ```
+2. inference 模型（fluid.io.save_inference_model保存的模型）
+    一般是模型训练完成后保存的固化模型，用于预测部署。与persistable 模型相比，inference 模型会额外的保存模型的结构信息，用于配合权重文件构成完整的模型。如下所示，`model` 中保存的即为模型的结构信息。
+    ```
+    resnet50-vd-persistable/
+    ├── bn2a_branch1_mean
+    ├── bn2a_branch1_offset
+    ├── bn2a_branch1_scale
+    ├── bn2a_branch1_variance
+    ├── bn2a_branch2a_mean
+    ├── bn2a_branch2a_offset
+    ├── bn2a_branch2a_scale
+    ├── ...
+    ├── res5c_branch2c_weights
+    └── model
+    ```
+    为了方便起见，paddle 在保存 inference 模型的时候也可以将所有的权重文件保存成一个`params`文件，如下所示：
+    ```
+    resnet50-vd
+    ├── model
+    └── params
+    ```
+
+在 Paddle 中训练引擎和预测引擎都支持模型的预测推理，只不过预测引擎不需要进行反向操作，因此可以进行定制型的优化（如层融合，kernel 选择等），达到低时延、高吞吐的目的。训练引擎既可以支持 persistable 模型，也可以支持 inference 模型，而预测引擎只支持 inference 模型，因此也就衍生出了三种不同的预测方式：
+1. 训练引擎 + persistable 模型
+2. 训练引擎 + inference 模型
+3. 预测引擎 + inference 模型
+
+不管是何种预测方式，基本都包含以下几个主要的步骤：
++ 构建引擎
++ 构建待预测数据
++ 执行预测
++ 预测结果解析
+
+不同预测方式，主要有两方面不同：构建引擎和执行预测，在以下的几个部分我们会具体介绍。
+
+
+### 二、模型转换
+
+在任务的训练阶段，通常我们会保存一些 checkpoint（persistable 模型），这些只是模型权重文件，不能直接被预测引擎直接加载预测，所以我们通常会在训练完之后，找到合适的 checkpoint 并将其转换为 inference 模型。主要分为两个步骤：1. 构建训练引擎，2. 保存 inference 模型，如下所示：
+
+```python
+import fluid
+
+from ppcls.modeling.architectures.resnet_vd import ResNet50_vd
+
+place = fluid.CPUPlace()
+exe = fluid.Executor(place)
+startup_prog = fluid.Program()
+infer_prog = fluid.Program()
+with fluid.program_guard(infer_prog, startup_prog):
+    with fluid.unique_name.guard():
+        image = create_input()
+        image = fluid.data(name='image', shape=[None, 3, 224, 224], dtype='float32')
+        out = ResNet50_vd.net(input=input, class_dim=1000)
+
+infer_prog = infer_prog.clone(for_test=True)
+fluid.load(program=infer_prog, model_path=persistable 模型路径, executor=exe)
+
+fluid.io.save_inference_model(
+        dirname='./output/',
+        feeded_var_names=[image.name],
+        main_program=infer_prog,
+        target_vars=out,
+        executor=exe,
+        model_filename='model',
+        params_filename='params')
+```
+
+在模型库的 `tools/export_model.py` 中提供了完整的示例，只需执行下述命令即可完成转换：
+
+```python
+python tools/export_model.py \
+    --model=模型名称 \
+    --pretrained_model=persistable 模型路径 \
+    --output_path=model和params保存路径
+```
+
+### 三、训练引擎 + persistable 模型预测
+
+在模型库的 `tools/infer.py` 中提供了完整的示例，只需执行下述命令即可完成预测：
+
+```python
+python tools/infer.py \
+    --image_file=待预测的图片文件路径 \
+    --model=模型名称 \
+    --pretrained_model=persistable 模型路径 \
+    --use_gpu=True
+```
+
+训练引擎构建：
+
+由于 persistable 模型不包含模型的结构信息，因此需要先构建出网络结构，然后 load 权重来构建训练引擎。
+
+```python
+import fluid
+from ppcls.modeling.architectures.resnet_vd import ResNet50_vd
+
+place = fluid.CPUPlace()
+exe = fluid.Executor(place)
+startup_prog = fluid.Program()
+infer_prog = fluid.Program()
+with fluid.program_guard(infer_prog, startup_prog):
+    with fluid.unique_name.guard():
+        image = create_input()
+        image = fluid.data(name='image', shape=[None, 3, 224, 224], dtype='float32')
+        out = ResNet50_vd.net(input=input, class_dim=1000)
+infer_prog = infer_prog.clone(for_test=True)
+fluid.load(program=infer_prog, model_path=persistable 模型路径, executor=exe)
+```
+
+执行预测：
+
+```python
+outputs = exe.run(infer_prog,
+        feed={image.name: data},
+        fetch_list=[out.name],
+        return_numpy=False)
+```
+
+上述执行预测时候的参数说明可以参考官网 [fluid.Executor](https://www.paddlepaddle.org.cn/documentation/docs/zh/api_cn/executor_cn/Executor_cn.html)
+
+### 四、训练引擎 + inference 模型预测
+
+在模型库的 `tools/py_infer.py` 中提供了完整的示例，只需执行下述命令即可完成预测：
+
+```python
+python tools/py_infer.py \
+    --image_file=图片路径 \
+    --model_dir=模型的存储路径 \
+    --model_file=保存的模型文件 \
+    --params_file=保存的参数文件 \
+    --use_gpu=True
+```
+
+训练引擎构建：
+
+由于 inference 模型已包含模型的结构信息，因此不再需要提前构建模型结构，直接 load 模型结构和权重文件来构建训练引擎。
+
+```python
+import fluid
+
+place = fluid.CPUPlace()
+exe = fluid.Executor(place)
+[program, feed_names, fetch_lists] = fluid.io.load_inference_model(
+        模型的存储路径,
+        exe,
+        model_filename=保存的模型文件,
+        params_filename=保存的参数文件)
+compiled_program = fluid.compiler.CompiledProgram(program)
+```
+
+> `load_inference_model` 即支持零散的权重文件集合，也支持融合后的单个权重文件。
+
+执行预测：
+
+```python
+outputs = exe.run(compiled_program,
+        feed={feed_names[0]: data},
+        fetch_list=fetch_lists,
+        return_numpy=False)
+```
+
+上述执行预测时候的参数说明可以参考官网 [fluid.Executor](https://www.paddlepaddle.org.cn/documentation/docs/zh/api_cn/executor_cn/Executor_cn.html)
+
+### 五、预测引擎 + inference 模型预测
+
+在模型库的 `tools/predict.py` 中提供了完整的示例，只需执行下述命令即可完成预测：
+
+```
+python ./predict.py \
+    -i=./test.jpeg \
+    -m=./resnet50-vd/model \
+    -p=./resnet50-vd/params \
+    --use_gpu=1 \
+    --use_tensorrt=True
+```
+
+参数说明：
++ `image_file`(简写 i)：待预测的图片文件路径，如 `./test.jpeg`
++ `model_file`(简写 m)：模型文件路径，如 `./resnet50-vd/model`
++ `params_file`(简写 p)：权重文件路径，如 `./resnet50-vd/params`
++ `batch_size`(简写 b)：批大小，如 `1`
++ `ir_optim`：是否使用 `IR` 优化
++ `use_tensorrt`：是否使用 TesorRT 预测引擎
++ `gpu_mem`： 初始分配GPU显存，以M单位
++ `use_gpu`：是否使用 GPU 预测
++ `enable_benchmark`：是否启用benchmark
++ `model_name`：模型名字
+
+注意：
+当启用benchmark时，默认开启tersorrt进行预测
+```  
+
+构建预测引擎：
+
+```python
+from paddle.fluid.core import AnalysisConfig
+from paddle.fluid.core import create_paddle_predictor
+config = AnalysisConfig(model文件路径, params文件路径)
+config.enable_use_gpu(8000, 0)
+config.disable_glog_info()
+config.switch_ir_optim(True)
+config.enable_tensorrt_engine(
+        precision_mode=AnalysisConfig.Precision.Float32,
+        max_batch_size=1)
+
+# no zero copy方式需要去除fetch feed op
+config.switch_use_feed_fetch_ops(False)
+
+predictor = create_paddle_predictor(config)
+```
+
+执行预测：
+
+```python
+import numpy as np
+
+input_names = predictor.get_input_names()
+input_tensor = predictor.get_input_tensor(input_names[0])
+input = np.random.randn(1, 3, 224, 224).astype("float32")
+input_tensor.reshape([1, 3, 224, 224])
+input_tensor.copy_from_cpu(input)
+predictor.zero_copy_run()
+```
+
+更多预测参数说明可以参考官网 [Paddle Python 预测 API](https://www.paddlepaddle.org.cn/documentation/docs/zh/advanced_guide/inference_deployment/inference/python_infer_cn.html)。如果需要在业务的生产环境部署，也推荐使用 [Paddel C++ 预测 API](https://www.paddlepaddle.org.cn/documentation/docs/zh/advanced_guide/inference_deployment/inference/native_infer.html)，官网提供了丰富的预编译预测库 [Paddle C++ 预测库](https://www.paddlepaddle.org.cn/documentation/docs/zh/advanced_guide/inference_deployment/inference/build_and_install_lib_cn.html)。
+
+
+默认情况下，Paddle 的 wheel 包中是不包含 TensorRT 预测引擎的，如果需要使用 TensorRT 进行预测优化，需要自己编译对应的 wheel 包，编译方式可以参考 Paddle 的编译指南 [Paddle 编译](https://www.paddlepaddle.org.cn/documentation/docs/zh/install/compile/fromsource.html)。

docs/zh_cn/tutorials/getting_started.md

@@ -65,13 +65,22 @@ python eval.py \
 
 ## 3 模型推理
 
-PaddleClas通过预测引擎进行预测推理
+PaddlePaddle提供三种方式进行预测推理，接下来介绍如何用预测引擎进行推理：
+首先，对预测模型进行导出
+```bash
+python tools/export_model.py \
+    -model=模型名字 \
+    -pretrained_model=预训练模型路径 \
+    -output_path=预测模型保存路径
 
+```
+之后，通过预测引擎进行推理
 ```bash
 python tools/predict.py \
-    -m model文件路径
-    -p params文件路径
-    -i 图片路径
-    --use_tensorrt True
+    -m model文件路径 \
+    -p params文件路径 \
+    -i 图片路径 \
+    --use_gpu=1 \
+    --use_tensorrt=True
 ```
 更多推理方式和实验请参考[分类预测框架](../extension/paddle_inference.md)

tools/infer/predict.py

@@ -46,10 +46,14 @@ def parse_args():
 
 def create_predictor(args):
     config = AnalysisConfig(args.model_file, args.params_file)
+
+
+
     if args.use_gpu:
         config.enable_use_gpu(args.gpu_mem, 0)
     else:
         config.disable_gpu()
+
     config.disable_glog_info()
     config.switch_ir_optim(args.ir_optim) # default true
     if args.use_tensorrt:
@@ -91,6 +95,15 @@ def preprocess(fname, ops):
 
 def main():
     args = parse_args()
+
+    if not args.enable_benchmark:
+        assert args.batch_size == 1
+        assert args.use_fp16 == False
+    else:
+        assert args.use_gpu == True
+        assert args.model_name is not None
+        assert args.use_tensorrt == True
+
     operators = create_operators()
     predictor = create_predictor(args)