feat: add the doc and demo about gallery2fc

add description doc and demo config

deploy/lite_shitu/README.md

@@ -2,7 +2,7 @@
 
 本教程将介绍基于[Paddle Lite](https://github.com/PaddlePaddle/Paddle-Lite) 在移动端部署PaddleClas PP-ShiTu模型的详细步骤。
 
-Paddle Lite是飞桨轻量化推理引擎，为手机、IOT端提供高效推理能力，并广泛整合跨平台硬件，为端侧部署及应用落地问题提供轻量化的部署方案。
+Paddle Lite是飞桨轻量化推理引擎，为手机、IoT端提供高效推理能力，并广泛整合跨平台硬件，为端侧部署及应用落地问题提供轻量化的部署方案。
 
 ## 1. 准备环境
 
@@ -216,3 +216,6 @@ A1：如果已经走通了上述步骤，更换模型只需要替换 `.nb` 模
 
 Q2：换一个图测试怎么做？
 A2：替换 deploy 下的测试图像为你想要测试的图像，并重新生成json配置文件（或者直接修改图像路径），使用 ADB 再次 push 到手机上即可。
+
+Q3：如果需要更换模型/预训练模型/底库数据集，需要怎么做：
+A：请参考文档 [基于分类方法的 PP-Shitu 移动端部署方案说明](./gallery2fc.md)。

docs/zh_CN/advanced_tutorials/gallery2fc.md

+# 识别模型转分类模型
+
+PaddleClas 提供了 `gallery2fc.py` 工具，帮助大家将识别模型转为分类模型。
+
+## 一、模型转换说明
+
+### 1.1 准备底库数据、预训练模型
+
+#### 1. 底库数据集
+
+首先需要准备好底库数据，下面以 PaddleClas 提供饮料数据集（drink_dataset_v1.0）为例进行说明，饮料数据集获取方法：
+
+```shell
+cd PaddleClas/
+wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/data/drink_dataset_v1.0.tar
+tar -xf drink_dataset_v1.0.tar
+```
+
+饮料数据集的底库图片路径为 `drink_dataset_v1.0/gallery/`，底库图片列表可在 `drink_dataset_v1.0/gallery/drink_label.txt` 中查看，关于底库数据格式说明，请参考文档[数据集格式说明](../data_preparation/recognition_dataset.md#1-数据集格式说明)。
+
+#### 2. 预训练模型
+
+在开始转换模型前，需要准备好预训练模型，下面以量化后的 `general_PPLCNet_x2_5` 模型为例，下载预训练模型：
+
+```shell
+cd PaddleClas/pretrained/
+wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/pretrain/general_PPLCNet_x2_5_pretrained_v1.0_quant.pdparams
+```
+
+### 1.2 准备配置文件
+
+在进行模型转换时，需要通过配置文件定义所需参数，本例中所用配置文件为 `ppcls/configs/GeneralRecognition/Gallery2FC_PPLCNet_x2_5.yaml`，对于配置文件字段的说明，如下所示：
+
+* Global:
+    * pretrained_model: 预训练模型路径，无需包含 `.pdparams` 后缀名；
+    * image_shape: 模型输入数据尺寸，无需包含 batch size 维度；
+    * save_inference_dir: 转换后模型的保存路径；
+* Arch: 模型结构相关定义，可参考 [配置说明](../models_training/config_description.md#3-%E8%AF%86%E5%88%AB%E6%A8%A1%E5%9E%8B)；
+* IndexProcess: 底库数据集相关定义
+    * image_root: 底库数据集路径；
+    * data_file: 底库数据集列表文件路径；
+
+### 1.3 转换特征提取模型
+
+在完成上述准备工作后，即可进行模型转换，命令如下所示：
+
+```python
+python ppcls/utils/gallery2fc.py -c ppcls/configs/GeneralRecognition/Gallery2FC_PPLCNet_x2_5.yaml
+```
+
+在上述命令执行完成后，转换并导出的模型保存在目录 `./inference/general_PPLCNet_x2_5_quant/` 下。在推理部署时，需要注意的是，模型的输出结果通常有多个，应选取分类结果作为模型输出，需要注意区分。

ppcls/configs/GeneralRecognition/Gallery2FC_PPLCNet_x2_5.yaml

+# global configs
+Global:
+  pretrained_model: ./pretrained/general_PPLCNet_x2_5_pretrained_v1.0_quant
+  # used for static mode and model export
+  image_shape: [3, 224, 224]
+  save_inference_dir: ./inference/general_PPLCNet_x2_5_quant/inference
+
+# for quantizaiton or prune model
+Slim:
+  ## for prune
+  quant:
+    name: pact
+
+# model architecture
+Arch:
+  name: RecModel
+
+  Backbone: 
+    name: PPLCNet_x2_5
+    pretrained: False
+    use_ssld: True
+  BackboneStopLayer:
+    name: "flatten"
+  Neck:
+    name: FC
+    embedding_size: 1280
+    class_num: 512
+  Head:
+    name: ArcMargin 
+    embedding_size: 512
+    class_num: 185341
+    margin: 0.2
+    scale: 30
+
+# indexing engine config
+IndexProcess:
+  image_root: "./drink_dataset_v1.0/gallery/"
+  data_file:  "./drink_dataset_v1.0/gallery/drink_label.txt"
+  delimiter: "\t"
+  batch_size: 2
+  transform_ops:
+    - ResizeImage:
+        resize_short: 256
+    - CropImage:
+        size: 224
+    - NormalizeImage:
+        scale: 1.0/255.0
+        mean: [ 0.485, 0.456, 0.406 ]
+        std: [ 0.229, 0.224, 0.225 ]
+        order: ''
+    - ToCHWImage:

ppcls/utils/gallery2fc.py

@@ -12,10 +12,14 @@
 # See the License for the specific language governing permissions and
 # limitations under the License.
 
-import os
 import paddle
 import cv2
 
+import os
+import sys
+__dir__ = os.path.dirname(os.path.abspath(__file__))
+sys.path.append(os.path.abspath(os.path.join(__dir__, '../../')))
+
 from ppcls.arch import build_model
 from ppcls.utils.config import parse_config, parse_args
 from ppcls.utils.save_load import load_dygraph_pretrain
@@ -51,12 +55,17 @@ class GalleryLayer(paddle.nn.Layer):
                 self.gallery_images.append(image_file)
                 gallery_docs.append(ori_line.strip())
                 gallery_labels.append(line[1].strip())
-        self.gallery_layer = paddle.nn.Linear(embedding_size, len(self.gallery_images), bias_attr=False)
+        self.gallery_layer = paddle.nn.Linear(
+            embedding_size, len(self.gallery_images), bias_attr=False)
         self.gallery_layer.skip_quant = True
         output_label_str = ""
         for i, label_i in enumerate(gallery_labels):
             output_label_str += "{} {}\n".format(i, label_i)
         output_path = configs["Global"]["save_inference_dir"] + "_label.txt"
+
+        save_dir = os.path.dirname(configs["Global"]["save_inference_dir"])
+        if not os.path.exists(save_dir):
+            os.makedirs(save_dir)
         with open(output_path, "w") as f:
             f.write(output_label_str)
 
@@ -71,19 +80,23 @@ class GalleryLayer(paddle.nn.Layer):
         embedding_size = self.configs["Arch"]["Head"]["embedding_size"]
         batch_index = 0
         input_tensor = paddle.zeros(self.image_shape)
-        gallery_feature = paddle.zeros((len(self.gallery_images), embedding_size))
+        gallery_feature = paddle.zeros(
+            (len(self.gallery_images), embedding_size))
         for i, image_path in enumerate(self.gallery_images):
             image = cv2.imread(image_path)[:, :, ::-1]
             for op in preprocess_ops:
                 image = op(image)
             input_tensor[batch_index] = image
             batch_index += 1
-            if batch_index == self.batch_size or i == len(self.gallery_images) - 1:
+            if batch_index == self.batch_size or i == len(
+                    self.gallery_images) - 1:
                 batch_feature = feature_extractor(input_tensor)["features"]
                 for j in range(batch_index):
                     feature = batch_feature[j]
-                    norm_feature = paddle.nn.functional.normalize(feature, axis=0)
+                    norm_feature = paddle.nn.functional.normalize(
+                        feature, axis=0)
                     gallery_feature[i - batch_index + j + 1] = norm_feature
+                batch_index = 0
         self.gallery_layer.set_state_dict({"_layer.weight": gallery_feature.T})