Skip to content

P
PaddleClas

PaddlePaddle / PaddleClas
1 年多 前同步成功

通知 116
Star 4999
Fork 1114
P
PaddleClas
未验证 提交 c68b419c 编写于 作者: W Wei Shengyu 提交者： GitHub
浏览文件
操作

Merge pull request #1659 from RainFrost1/cp_ppshitu_lite 

【Cherry-Pick】fix bugs and update readme for ppshitu_lite
上级 1e2af322 770bde53
隐藏空白更改
内联 并排
Showing with 31 addition and 121 deletion
deploy/lite_shitu/README.md
浏览文件 @ c68b419c
...@@ -75,113 +75,24 @@ inference_lite_lib.android.armv8/ ...@@ -75,113 +75,24 @@ inference_lite_lib.android.armv8/
## 2 开始运行 ## 2 开始运行
### 2.1 模型优化 ### 2.1 模型准备
Paddle-Lite 提供了多种策略来自动优化原始的模型，其中包括量化、子图融合、混合调度、Kernel优选等方法，使用Paddle-Lite的`opt`工具可以自动对inference模型进行优化，目前支持两种优化方式，优化后的模型更轻量，模型运行速度更快。
**注意**：如果已经准备好了 `.nb` 结尾的模型文件，可以跳过此步骤。 #### 2.1.1 模型准备
#### 2.1.1 安装paddle_lite_opt工具
安装`paddle_lite_opt`工具有如下两种方法：
1. [**建议**]pip安装paddlelite并进行转换
```shell
pip install paddlelite==2.10rc
```
2. 源码编译Paddle-Lite生成`paddle_lite_opt`工具
模型优化需要Paddle-Lite的`opt`可执行文件，可以通过编译Paddle-Lite源码获得，编译步骤如下：
```shell
# 如果准备环境时已经clone了Paddle-Lite，则不用重新clone Paddle-Lite
git clone https://github.com/PaddlePaddle/Paddle-Lite.git
cd Paddle-Lite
git checkout develop
# 启动编译
./lite/tools/build.sh build_optimize_tool
```
编译完成后，`opt`文件位于`build.opt/lite/api/`下，可通过如下方式查看`opt`的运行选项和使用方式；
```shell
cd build.opt/lite/api/
./opt
```
`opt`的使用方式与参数与上面的`paddle_lite_opt`完全一致。
之后使用`paddle_lite_opt`工具可以进行inference模型的转换。`paddle_lite_opt`的部分参数如下：
|选项|说明|
|-|-|
|--model_file|待优化的PaddlePaddle模型（combined形式）的网络结构文件路径|
|--param_file|待优化的PaddlePaddle模型（combined形式）的权重文件路径|
|--optimize_out_type|输出模型类型，目前支持两种类型：protobuf和naive_buffer，其中naive_buffer是一种更轻量级的序列化/反序列化实现，默认为naive_buffer|
|--optimize_out|优化模型的输出路径|
|--valid_targets|指定模型可执行的backend，默认为arm。目前可支持x86、arm、opencl、npu、xpu，可以同时指定多个backend(以空格分隔)，Model Optimize Tool将会自动选择最佳方式。如果需要支持华为NPU（Kirin 810/990 Soc搭载的达芬奇架构NPU），应当设置为npu, arm|
更详细的`paddle_lite_opt`工具使用说明请参考[使用opt转化模型文档](https://paddle-lite.readthedocs.io/zh/latest/user_guides/opt/opt_bin.html)
`--model_file`表示inference模型的model文件地址，`--param_file`表示inference模型的param文件地址；`optimize_out`用于指定输出文件的名称（不需要添加`.nb`的后缀）。直接在命令行中运行`paddle_lite_opt`，也可以查看所有参数及其说明。
#### 2.1.3 转换示例
下面介绍使用`paddle_lite_opt`完成主体检测模型和识别模型的预训练模型，转成inference模型，最终转换成Paddle-Lite的优化模型的过程。
##### 2.1.3.1 转换主体检测模型
```shell ```shell
# 当前目录为 $PaddleClas/deploy/lite_shitu # 进入lite_ppshitu目录
# $code_path需替换成相应的运行目录,可以根据需要，将$code_path设置成需要的目录
export $code_path=~
cd $code_path
git clone https://github.com/PaddlePaddle/PaddleDetection.git
# 进入PaddleDetection根目录
cd PaddleDetection
# 将预训练模型导出为inference模型
python tools/export_model.py -c configs/picodet/application/mainbody_detection/picodet_lcnet_x2_5_640_mainbody.yml -o weights=https://paddledet.bj.bcebos.com/models/picodet_lcnet_x2_5_640_mainbody.pdparams --output_dir=inference
# 将inference模型转化为Paddle-Lite优化模型
paddle_lite_opt --model_file=inference/picodet_lcnet_x2_5_640_mainbody/model.pdmodel --param_file=inference/picodet_lcnet_x2_5_640_mainbody/model.pdiparams --optimize_out=inference/picodet_lcnet_x2_5_640_mainbody/mainbody_det
# 将转好的模型复制到lite_shitu目录下
cd $PaddleClas/deploy/lite_shitu cd $PaddleClas/deploy/lite_shitu
mkdir models wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/lite/ppshitu_lite_models_v1.0.tar
cp $code_path/PaddleDetection/inference/picodet_lcnet_x2_5_640_mainbody/mainbody_det.nb $PaddleClas/deploy/lite_shitu/models tar -xf ppshitu_lite_models_v1.0.tar
``` rm -f ppshitu_lite_models_v1.0.tar
##### 2.1.3.2 转换识别模型
```shell
# 转换inference model
待补充,生成的inference model存储在PaddleClas/inference下，同时生成label.txt，也存在此文件夹下
# 转换为Paddle-Lite模型
paddle_lite_opt --model_file=inference/inference.pdmodel --param_file=inference/inference.pdiparams --optimize_out=inference/rec
# 将模型、label文件拷贝到lite_shitu下
cp inference/rec.nb deploy/lite_shitu/models/
cp inference/label.txt deploy/lite_shitu/models/
cd deploy/lite_shitu
``` ```
**注意**：`--optimize_out` 参数为优化后模型的保存路径，无需加后缀`.nb`；`--model_file` 参数为模型结构信息文件的路径，`--param_file` 参数为模型权重信息文件的路径，请注意文件名。 #### 2.1.2将yaml文件转换成json文件
##### 2.1.3.3 准备测试图像
```shell
mkdir images
# 根据需要准备测试图像，可以在images文件夹中存放多张图像
cp ../images/wangzai.jpg images/
```
##### 2.1.3.4 将yaml文件转换成json文件
```shell ```shell
# 如果测试单张图像 # 如果测试单张图像
python generate_json_config.py --det_model_path models/mainbody_det.nb --rec_model_path models/rec.nb --rec_label_path models/label.txt --img_path images/wangzai.jpg python generate_json_config.py --det_model_path ppshitu_lite_models_v1.0/mainbody_PPLCNet_x2_5_640_v1.0_lite.nb --rec_model_path ppshitu_lite_models_v1.0/general_PPLCNet_x2_5_quant_v1.0_lite.nb --rec_label_path ppshitu_lite_models_v1.0/label.txt --img_path images/demo.jpg
# or # or
# 如果测试多张图像 # 如果测试多张图像
python generate_json_config.py --det_model_path models/mainbody_det.nb --rec_model_path models/rec.nb --rec_label_path models/label.txt --img_dir images python generate_json_config.py --det_model_path models/mainbody_det.nb --rec_model_path models/rec.nb --rec_label_path models/label.txt --img_dir images
...@@ -225,12 +136,11 @@ List of devices attached ...@@ -225,12 +136,11 @@ List of devices attached
```shell ```shell
cd $PaddleClas/deploy/lite_shitu cd $PaddleClas/deploy/lite_shitu
# ${lite prediction library path}下载的Paddle-Lite库路径
inference_lite_path=/{lite prediction library path}/inference_lite_lib.android.armv8.gcc.c++_static.with_extra.with_cv/ inference_lite_path=${lite prediction library path}/inference_lite_lib.android.armv8.gcc.c++_static.with_extra.with_cv/
mkdir $inference_lite_path/demo/cxx/ppshitu_lite mkdir $inference_lite_path/demo/cxx/ppshitu_lite
cp -r Makefile src/ include/ *.json models/ images/ $inference_lite_path/demo/cxx/ppshitu_lite cp -r * $inference_lite_path/demo/cxx/ppshitu_lite
cd $inference_lite_path/demo/cxx/ppshitu_lite cd $inference_lite_path/demo/cxx/ppshitu_lite
# 执行编译，等待完成后得到可执行文件main # 执行编译，等待完成后得到可执行文件main
...@@ -242,28 +152,29 @@ make ARM_ABI=arm8 ...@@ -242,28 +152,29 @@ make ARM_ABI=arm8
```shell ```shell
mkdir deploy mkdir deploy
mv models deploy/ mv ppshitu_lite_models_v1.0 deploy/
mv images deploy/ mv images deploy/
mv shitu_config.json deploy/
cp pp_shitu deploy/ cp pp_shitu deploy/
cd deploy
# 将C++预测动态库so文件复制到deploy文件夹中 # 将C++预测动态库so文件复制到deploy文件夹中
cp ../../../cxx/lib/libpaddle_light_api_shared.so ./ cp ../../../cxx/lib/libpaddle_light_api_shared.so deploy/
``` ```
执行完成后，deploy文件夹下将有如下文件格式： 执行完成后，deploy文件夹下将有如下文件格式：
``` ```shell
deploy/ deploy/
|-- models/ |-- ppshitu_lite_models_v1.0/
| |--mainbody_det.nb 优化后的主体检测模型文件 | |--mainbody_PPLCNet_x2_5_640_v1.0_lite.nb 优化后的主体检测模型文件
| |--rec.nb 优化后的识别模型文件 | |--general_PPLCNet_x2_5_quant_v1.0_lite.nb 优化后的识别模型文件
| |--label.txt 识别模型的label文件 | |--label.txt 识别模型的label文件
|-- images/ |-- images/
| ... 图片文件 | |--demo.jpg 图片文件
|-- pp_shitu 生成的移动端执行文件 | ... 图片文件
|-- shitu_config.json 执行时参数配置文件 |-- pp_shitu 生成的移动端执行文件
|-- libpaddle_light_api_shared.so Paddle-Lite库文件 |-- shitu_config.json 执行时参数配置文件
|-- libpaddle_light_api_shared.so Paddle-Lite库文件
``` ```
**注意：** **注意：**
......
deploy/lite_shitu/src/main.cc
浏览文件 @ c68b419c
...@@ -141,6 +141,11 @@ int main(int argc, char **argv) { ...@@ -141,6 +141,11 @@ int main(int argc, char **argv) {
std::cout << "Please set [det_model_path] in " << config_path << std::endl; std::cout << "Please set [det_model_path] in " << config_path << std::endl;
return -1; return -1;
} }
if (!RT_Config["Global"]["infer_imgs_dir"].as<std::string>().empty() &&
img_dir.empty()) {
img_dir = RT_Config["Global"]["infer_imgs_dir"].as<std::string>();
}
if (RT_Config["Global"]["infer_imgs"].as<std::string>().empty() && if (RT_Config["Global"]["infer_imgs"].as<std::string>().empty() &&
img_dir.empty()) { img_dir.empty()) {
std::cout << "Please set [infer_imgs] in " << config_path std::cout << "Please set [infer_imgs] in " << config_path
...@@ -148,12 +153,6 @@ int main(int argc, char **argv) { ...@@ -148,12 +153,6 @@ int main(int argc, char **argv) {
<< " [image_dir]>" << std::endl; << " [image_dir]>" << std::endl;
return -1; return -1;
} }
if (!img_dir.empty()) {
std::cout << "Use image_dir in command line overide the path in config file"
<< std::endl;
RT_Config["Global"]["infer_imgs_dir"] = img_dir;
RT_Config["Global"]["infer_imgs"] = "";
}
// Load model and create a object detector // Load model and create a object detector
PPShiTu::ObjectDetector det( PPShiTu::ObjectDetector det(
RT_Config, RT_Config["Global"]["det_model_path"].as<std::string>(), RT_Config, RT_Config["Global"]["det_model_path"].as<std::string>(),
...@@ -167,7 +166,7 @@ int main(int argc, char **argv) { ...@@ -167,7 +166,7 @@ int main(int argc, char **argv) {
std::vector<cv::Mat> batch_imgs; std::vector<cv::Mat> batch_imgs;
double rec_time; double rec_time;
if (!RT_Config["Global"]["infer_imgs"].as<std::string>().empty() || if (!RT_Config["Global"]["infer_imgs"].as<std::string>().empty() ||
!RT_Config["Global"]["infer_imgs_dir"].as<std::string>().empty()) { !img_dir.empty()) {
std::vector<std::string> all_img_paths; std::vector<std::string> all_img_paths;
std::vector<cv::String> cv_all_img_paths; std::vector<cv::String> cv_all_img_paths;
if (!RT_Config["Global"]["infer_imgs"].as<std::string>().empty()) { if (!RT_Config["Global"]["infer_imgs"].as<std::string>().empty()) {
...@@ -179,7 +178,7 @@ int main(int argc, char **argv) { ...@@ -179,7 +178,7 @@ int main(int argc, char **argv) {
return -1; return -1;
} }
} else { } else {
cv::glob(RT_Config["Global"]["infer_imgs_dir"].as<std::string>(), cv::glob(img_dir,
cv_all_img_paths); cv_all_img_paths);
for (const auto &img_path : cv_all_img_paths) { for (const auto &img_path : cv_all_img_paths) {
all_img_paths.push_back(img_path); all_img_paths.push_back(img_path);
......
docs/images/ppshitu_lite_demo.png
查看替换文件 @ 1e2af322 浏览文件 @ c68b419c
docs/images/ppshitu_lite_demo.png

53.7 KB | W: | H:

docs/images/ppshitu_lite_demo.png

82.0 KB | W: | H:

docs/images/ppshitu_lite_demo.png
docs/images/ppshitu_lite_demo.png
docs/images/ppshitu_lite_demo.png
docs/images/ppshitu_lite_demo.png
  • 2-up
  • Swipe
  • Onion skin
Markdown is supported
0% 或 .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑！
想要评论请 注册 或