From 1d04fa26fffeb2e90eeee661043f7176832be541 Mon Sep 17 00:00:00 2001 From: MissPenguin Date: Tue, 19 Oct 2021 03:41:05 +0000 Subject: [PATCH] rename test_*sh files --- .../{test_cpp.md => test_inference_cpp.md} | 8 +++--- ...thon.md => test_train_inference_python.md} | 26 +++++++++---------- PTDN/readme.md | 26 +++++++++---------- PTDN/{test_cpp.sh => test_inference_cpp.sh} | 0 ...thon.sh => test_train_inference_python.sh} | 0 5 files changed, 30 insertions(+), 30 deletions(-) rename PTDN/docs/{test_cpp.md => test_inference_cpp.md} (82%) rename PTDN/docs/{test_python.md => test_train_inference_python.md} (76%) rename PTDN/{test_cpp.sh => test_inference_cpp.sh} (100%) rename PTDN/{test_python.sh => test_train_inference_python.sh} (100%) diff --git a/PTDN/docs/test_cpp.md b/PTDN/docs/test_inference_cpp.md similarity index 82% rename from PTDN/docs/test_cpp.md rename to PTDN/docs/test_inference_cpp.md index 68410701..140860cb 100644 --- a/PTDN/docs/test_cpp.md +++ b/PTDN/docs/test_inference_cpp.md @@ -1,6 +1,6 @@ # C++预测功能测试 -C++预测功能测试的主程序为`test_cpp.sh`，可以测试基于C++预测库的模型推理功能。 +C++预测功能测试的主程序为`test_inference_cpp.sh`，可以测试基于C++预测库的模型推理功能。 ## 1. 测试结论汇总 @@ -15,15 +15,15 @@ C++预测功能测试的主程序为`test_cpp.sh`，可以测试基于C++预测 ## 2. 测试流程 ### 2.1 功能测试 -先运行`prepare.sh`准备数据和模型，然后运行`test_cpp.sh`进行测试，最终在```tests/output```目录下生成`cpp_infer_*.log`后缀的日志文件。 +先运行`prepare.sh`准备数据和模型，然后运行`test_inference_cpp.sh`进行测试，最终在```tests/output```目录下生成`cpp_infer_*.log`后缀的日志文件。 ```shell bash tests/prepare.sh ./tests/configs/ppocr_det_mobile_params.txt "cpp_infer" # 用法1: -bash tests/test_cpp.sh ./tests/configs/ppocr_det_mobile_params.txt +bash tests/test_inference_cpp.sh ./tests/configs/ppocr_det_mobile_params.txt # 用法2: 指定GPU卡预测，第三个传入参数为GPU卡号 -bash tests/test_cpp.sh ./tests/configs/ppocr_det_mobile_params.txt '1' +bash tests/test_inference_cpp.sh ./tests/configs/ppocr_det_mobile_params.txt '1' ``` diff --git a/PTDN/docs/test_python.md b/PTDN/docs/test_train_inference_python.md similarity index 76% rename from PTDN/docs/test_python.md rename to PTDN/docs/test_train_inference_python.md index 5a2e4b81..1e751927 100644 --- a/PTDN/docs/test_python.md +++ b/PTDN/docs/test_train_inference_python.md @@ -1,6 +1,6 @@ -# Python功能测试 +# 基础训练预测功能测试 -Python功能测试的主程序为`test_python.sh`，可以测试基于Python的模型训练、评估、推理等基本功能，包括裁剪、量化、蒸馏。 +基础训练预测功能测试的主程序为`test_train_inference_python.sh`，可以测试基于Python的模型训练、评估、推理等基本功能，包括裁剪、量化、蒸馏。 ## 1. 测试结论汇总 @@ -45,42 +45,42 @@ Python功能测试的主程序为`test_python.sh`，可以测试基于Python的 ### 2.2 功能测试 -先运行`prepare.sh`准备数据和模型，然后运行`test_python.sh`进行测试，最终在```tests/output```目录下生成`python_infer_*.log`格式的日志文件。 +先运行`prepare.sh`准备数据和模型，然后运行`test_train_inference_python.sh`进行测试，最终在```tests/output```目录下生成`python_infer_*.log`格式的日志文件。 -test_python.sh包含四种运行模式，每种模式的运行数据不同，分别用于测试速度和精度，分别是： +`test_train_inference_python.sh`包含5种运行模式，每种模式的运行数据不同，分别用于测试速度和精度，分别是： - 模式1：lite_train_infer，使用少量数据训练，用于快速验证训练到预测的走通流程，不验证精度和速度； ```shell bash tests/prepare.sh ./tests/configs/ppocr_det_mobile_params.txt 'lite_train_infer' -bash tests/test_python.sh ./tests/configs/ppocr_det_mobile_params.txt 'lite_train_infer' +bash tests/test_train_inference_python.sh ./tests/configs/ppocr_det_mobile_params.txt 'lite_train_infer' ``` - 模式2：whole_infer，使用少量数据训练，一定量数据预测，用于验证训练后的模型执行预测，预测速度是否合理； ```shell bash tests/prepare.sh ./tests/configs/ppocr_det_mobile_params.txt 'whole_infer' -bash tests/test_python.sh ./tests/configs/ppocr_det_mobile_params.txt 'whole_infer' +bash tests/test_train_inference_python.sh ./tests/configs/ppocr_det_mobile_params.txt 'whole_infer' ``` -- 模式3：infer 不训练，全量数据预测，走通开源模型评估、动转静，检查inference model预测时间和精度; +- 模式3：infer，不训练，全量数据预测，走通开源模型评估、动转静，检查inference model预测时间和精度; ```shell bash tests/prepare.sh ./tests/configs/ppocr_det_mobile_params.txt 'infer' # 用法1: -bash tests/test_python.sh ./tests/configs/ppocr_det_mobile_params.txt 'infer' +bash tests/test_train_inference_python.sh ./tests/configs/ppocr_det_mobile_params.txt 'infer' # 用法2: 指定GPU卡预测，第三个传入参数为GPU卡号 -bash tests/test_python.sh ./tests/configs/ppocr_det_mobile_params.txt 'infer' '1' +bash tests/test_train_inference_python.sh ./tests/configs/ppocr_det_mobile_params.txt 'infer' '1' ``` -- 模式4：whole_train_infer , CE： 全量数据训练，全量数据预测，验证模型训练精度，预测精度，预测速度； +- 模式4：whole_train_infer，CE： 全量数据训练，全量数据预测，验证模型训练精度，预测精度，预测速度； ```shell bash tests/prepare.sh ./tests/configs/ppocr_det_mobile_params.txt 'whole_train_infer' -bash tests/test.sh ./tests/configs/ppocr_det_mobile_params.txt 'whole_train_infer' +bash tests/test_train_inference_python.sh ./tests/configs/ppocr_det_mobile_params.txt 'whole_train_infer' ``` -- 模式5：klquant_infer , 测试离线量化； +- 模式5：klquant_infer，测试离线量化； ```shell bash tests/prepare.sh ./tests/configs/ppocr_det_mobile_params.txt 'klquant_infer' -bash tests/test_python.sh tests/configs/ppocr_det_mobile_params.txt 'klquant_infer' +bash tests/test_train_inference_python.sh tests/configs/ppocr_det_mobile_params.txt 'klquant_infer' ``` diff --git a/PTDN/readme.md b/PTDN/readme.md index f7ffe078..ff2f9f71 100644 --- a/PTDN/readme.md +++ b/PTDN/readme.md @@ -72,13 +72,13 @@ tests/ ├── cpp_ppocr_det_mobile_results_fp32.txt # 预存的mobile版ppocr检测模型c++预测的fp32精度的结果 ├── cpp_ppocr_det_mobile_results_fp16.txt # 预存的mobile版ppocr检测模型c++预测的fp16精度的结果 ├── ... -├── prepare.sh # 完成test_*.sh运行所需要的数据和模型下载 -├── test_python.sh # 测试python训练预测的主程序 -├── test_cpp.sh # 测试c++预测的主程序 -├── test_serving.sh # 测试serving部署预测的主程序 -├── test_lite.sh # 测试lite部署预测的主程序 -├── compare_results.py # 用于对比log中的预测结果与results中的预存结果精度误差是否在限定范围内 -└── readme.md # 使用文档 +├── prepare.sh # 完成test_*.sh运行所需要的数据和模型下载 +├── test_train_inference_python.sh # 测试python训练预测的主程序 +├── test_inference_cpp.sh # 测试c++预测的主程序 +├── test_serving.sh # 测试serving部署预测的主程序 +├── test_lite.sh # 测试lite部署预测的主程序 +├── compare_results.py # 用于对比log中的预测结果与results中的预存结果精度误差是否在限定范围内 +└── readme.md # 使用文档 ``` ### 测试流程 @@ -92,13 +92,13 @@ tests/ 3. 用`compare_results.py`对比log中的预测结果和预存在results目录下的结果，判断预测精度是否符合预期（在误差范围内）。 其中，有4个测试主程序，功能如下： -- `test_python.sh`：测试基于Python的模型训练、评估、推理等基本功能，包括裁剪、量化、蒸馏。 -- `test_cpp.sh`：测试基于C++的模型推理。 +- `test_train_inference_python.sh`：测试基于Python的模型训练、评估、推理等基本功能，包括裁剪、量化、蒸馏。 +- `test_inference_cpp.sh`：测试基于C++的模型推理。 - `test_serving.sh`：测试基于Paddle Serving的服务化部署功能。 - `test_lite.sh`：测试基于Paddle-Lite的端侧预测部署功能。 各功能测试中涉及GPU/CPU、mkldnn、Tensorrt等多种参数配置，点击相应链接了解更多细节和使用教程： -[test_python使用](docs/test_python.md) -[test_cpp使用](docs/test_cpp.md) -[test_serving使用](docs/test_serving.md) -[test_lite使用](docs/test_lite.md) +[test_train_inference_python 使用](docs/test_train_inference_python.md) +[test_inference_cpp 使用](docs/test_inference_cpp.md) +[test_serving 使用](docs/test_serving.md) +[test_lite 使用](docs/test_lite.md) diff --git a/PTDN/test_cpp.sh b/PTDN/test_inference_cpp.sh similarity index 100% rename from PTDN/test_cpp.sh rename to PTDN/test_inference_cpp.sh diff --git a/PTDN/test_python.sh b/PTDN/test_train_inference_python.sh similarity index 100% rename from PTDN/test_python.sh rename to PTDN/test_train_inference_python.sh -- GitLab