fix getting started

docs/zh_CN/extension/paddle_inference.md

@@ -170,7 +170,8 @@ python tools/infer/infer.py \
     --i=待预测的图片文件路径 \
     --m=模型名称 \
     --p=persistable 模型路径 \
-    --use_gpu=True
+    --use_gpu=True \
+    --load_static_weights=False
 ```
 
 参数说明：
@@ -178,6 +179,7 @@ python tools/infer/infer.py \
 + `model`(简写 m)：模型名称，如 `ResNet50_vd`
 + `pretrained_model`(简写 p)：权重文件路径，如 `./pretrained/ResNet50_vd_pretrained/`
 + `use_gpu` : 是否开启GPU训练，默认值：`True`
++ `load_static_weights` : 是否加载静态图训练得到的预训练模型，默认值：`False`
 
 
 训练引擎构建：

docs/zh_CN/tutorials/getting_started.md

@@ -79,7 +79,7 @@ python tools/train.py \
 其中配置文件不需要做任何修改，只需要在继续训练时设置`checkpoints`参数即可，表示加载的断点权重文件路径，使用该参数会同时加载保存的断点权重和学习率、优化器等信息。
 
 **注意**：
-* 参数`-o last_epoch=5`表示将上一次训练轮次数记为`5`，即本次训练轮次数从`6`开始计算。
+* 参数`-o last_epoch=5`表示将上一次训练轮次数记为`5`，即本次训练轮次数从`6`开始计算，该值默认为-1，表示本次训练轮次数从`0`开始计算。
 
 * `-o checkpoints`参数无需包含断点权重文件的后缀名，上述训练命令会在训练过程中生成如下所示的断点权重文件，若想从断点`0`继续训练，则`checkpoints`参数只需设置为`"./output/MobileNetV3_large_x1_0_gpupaddle/0/ppcls"`，PaddleClas会自动补充后缀名。
     ```shell
@@ -200,9 +200,30 @@ python -m paddle.distributed.launch \
 参数说明详见[1.4 模型评估](#1.4)。
 
 
-## 3. 模型推理
+## 3. 使用预训练模型进行模型预测
 
-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：
+模型训练完成之后，可以加载训练得到的预训练模型，进行模型预测。在模型库的 `tools/infer/infer.py` 中提供了完整的示例，只需执行下述命令即可完成模型预测：
+
+```python
+python tools/infer/infer.py \
+    --i=待预测的图片文件路径 \
+    --m=模型名称 \
+    --p=persistable 模型路径 \
+    --use_gpu=True \
+    --load_static_weights=False
+```
+
+参数说明：
++ `image_file`(简写 i)：待预测的图片文件路径或者批量预测时的图片文件夹，如 `./test.jpeg`
++ `model`(简写 m)：模型名称，如 `ResNet50_vd`
++ `pretrained_model`(简写 p)：权重文件路径，如 `./pretrained/ResNet50_vd_pretrained/`
++ `use_gpu` : 是否开启GPU训练，默认值：`True`
++ `load_static_weights` : 是否加载静态图训练得到的预训练模型，默认值：`False`
+
+
+## 4. 使用inference模型模型推理
+
+通过导出inference模型，PaddlePaddle支持使用预测引擎进行预测推理。接下来介绍如何用预测引擎进行推理：
 首先，对训练好的模型进行转换：
 
 ```bash
@@ -214,7 +235,7 @@ python tools/export_model.py \
 
 其中，参数`--model`用于指定模型名称，`--pretrained_model`用于指定模型文件路径，该路径仍无需包含模型文件后缀名（如[1.3 模型恢复训练](#1.3)），`--output_path`用于指定转换后模型的存储路径。
 
-**注意**：文件`export_model.py:53`中，`shape`参数为模型输入图像的`shape`，默认为`224*224`，请根据实际情况修改，如下所示：
+**注意**：文件`export_model.py:line53`中，`shape`参数为模型输入图像的`shape`，默认为`224*224`，请根据实际情况修改，如下所示：
 ```python
 50 # Please modify the 'shape' according to actual needs
 51 @to_static(input_spec=[
@@ -238,6 +259,6 @@ python tools/infer/predict.py \
 + `model_file`(简写 m)：模型文件路径，如 `./MobileNetV3_large_x1_0/__model__`
 + `params_file`(简写 p)：权重文件路径，如 `./MobileNetV3_large_x1_0/__variables__`
 + `use_tensorrt`：是否使用 TesorRT 预测引擎，默认值：`True`
-+ `use_gpu`：是否使用 GPU 预测，默认值：`True`
++ `use_gpu`：是否使用 GPU 预测，默认值：`True`。
 
-更多使用方法和推理方式请参考[分类预测框架](../extension/paddle_inference.md)。
+* 如果你希望评测模型速度，建议使用该脚本(`tools/infer/predict.py`)，同时开启TensorRT加速预测。

tools/infer/infer.py

@@ -28,6 +28,7 @@ import paddle
 from paddle.distributed import ParallelEnv
 import paddle.nn.functional as F
 
+
 def parse_args():
     def str2bool(v):
         return v.lower() in ("true", "t", "1")
@@ -37,7 +38,7 @@ def parse_args():
     parser.add_argument("-m", "--model", type=str)
     parser.add_argument("-p", "--pretrained_model", type=str)
     parser.add_argument("--use_gpu", type=str2bool, default=True)
-    parser.add_argument("--load_static_weights", type=str2bool, default=True)
+    parser.add_argument("--load_static_weights", type=str2bool, default=False)
 
     return parser.parse_args()
 

tools/infer/py_infer.py

-# Copyright (c) 2020 PaddlePaddle Authors. All Rights Reserved.
-#
-# Licensed under the Apache License, Version 2.0 (the "License");
-# you may not use this file except in compliance with the License.
-# You may obtain a copy of the License at
-#
-#     http://www.apache.org/licenses/LICENSE-2.0
-#
-# Unless required by applicable law or agreed to in writing, software
-# distributed under the License is distributed on an "AS IS" BASIS,
-# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
-# See the License for the specific language governing permissions and
-# limitations under the License.
-
-import os
-import utils
-import argparse
-import numpy as np
-
-import paddle.fluid as fluid
-
-
-def parse_args():
-    def str2bool(v):
-        return v.lower() in ("true", "t", "1")
-
-    parser = argparse.ArgumentParser()
-    parser.add_argument("-i", "--image_file", type=str)
-    parser.add_argument("-d", "--model_dir", type=str)
-    parser.add_argument("--use_gpu", type=str2bool, default=True)
-
-    return parser.parse_args()
-
-
-def create_predictor(args):
-    if args.use_gpu:
-        place = fluid.CUDAPlace(0)
-    else:
-        place = fluid.CPUPlace()
-
-    exe = fluid.Executor(place)
-    [program, feed_names, fetch_lists] = fluid.io.load_inference_model(
-        args.model_dir, exe, model_filename="model", params_filename="params")
-    compiled_program = fluid.compiler.CompiledProgram(program)
-
-    return exe, compiled_program, feed_names, fetch_lists
-
-
-def create_operators():
-    size = 224
-    img_mean = [0.485, 0.456, 0.406]
-    img_std = [0.229, 0.224, 0.225]
-    img_scale = 1.0 / 255.0
-
-    decode_op = utils.DecodeImage()
-    resize_op = utils.ResizeImage(resize_short=256)
-    crop_op = utils.CropImage(size=(size, size))
-    normalize_op = utils.NormalizeImage(
-        scale=img_scale, mean=img_mean, std=img_std)
-    totensor_op = utils.ToTensor()
-
-    return [decode_op, resize_op, crop_op, normalize_op, totensor_op]
-
-
-def preprocess(fname, ops):
-    data = open(fname, 'rb').read()
-    for op in ops:
-        data = op(data)
-    return data
-
-
-def postprocess(outputs, topk=5):
-    output = outputs[0]
-    prob = np.array(output).flatten()
-    index = prob.argsort(axis=0)[-topk:][::-1].astype('int32')
-    return zip(index, prob[index])
-
-
-def get_image_list(img_file):
-    imgs_lists = []
-    if img_file is None or not os.path.exists(img_file):
-        raise Exception("not found any img file in {}".format(img_file))
-
-    img_end = ['jpg', 'png', 'jpeg', 'JPEG', 'JPG', 'bmp']
-    if os.path.isfile(img_file) and img_file.split('.')[-1] in img_end:
-        imgs_lists.append(img_file)
-    elif os.path.isdir(img_file):
-        for single_file in os.listdir(img_file):
-            if single_file.split('.')[-1] in img_end:
-                imgs_lists.append(os.path.join(img_file, single_file))
-    if len(imgs_lists) == 0:
-        raise Exception("not found any img file in {}".format(img_file))
-    return imgs_lists
-
-
-def main():
-    args = parse_args()
-    operators = create_operators()
-    exe, program, feed_names, fetch_lists = create_predictor(args)
-
-    image_list = get_image_list(args.image_file)
-    for idx, filename in enumerate(image_list):
-        data = preprocess(filename, operators)
-        data = np.expand_dims(data, axis=0)
-        outputs = exe.run(program,
-                          feed={feed_names[0]: data},
-                          fetch_list=fetch_lists,
-                          return_numpy=False)
-        probs = postprocess(outputs)
-        print("Current image file: {}".format(filename))
-        for idx, prob in probs:
-            print("\tclass id: {:d}, probability: {:.4f}".format(idx, prob))
-
-
-if __name__ == "__main__":
-    main()

tools/train.py

@@ -83,7 +83,7 @@ def main(args):
     if config.validate and ParallelEnv().local_rank == 0:
         valid_dataloader = Reader(config, 'valid', places=place)()
 
-    last_epoch_id = config.get("last_epoch", 0)
+    last_epoch_id = config.get("last_epoch", -1)
     best_top1_acc = 0.0  # best top1 acc record
     best_top1_epoch = last_epoch_id
     for epoch_id in range(last_epoch_id + 1, config.epochs):