add Windows TIPC (#5484)

* add windows tipc

* add windows tipc

* update win tipc doc
Co-authored-by: NMissPenguin <lichenxia1991@163.com>

tutorials/mobilenetv3_prod/Step6/test_tipc/README.md

@@ -15,11 +15,10 @@
 - 模型压缩：包括裁剪、离线/在线量化、蒸馏。
 - 其他预测部署：包括Paddle Inference C++预测、Paddle Serving部署、Paddle-Lite部署等。
 
-| 算法论文 | 模型名称 | 模型类型 | 基础<br>训练预测 | 更多<br>训练方式 | 模型压缩 |  其他预测部署  |
-| :--- | :--- |  :----:  | :--------: |  :----  |   :----  |   :----  |
-| MobileNetV3     | mobilenet_v3_small |  分类  | 支持 | 混合精度<br> | - | - |
-| MobileNetV3     | mobilenet_v3_small |  分类  | 支持 | - | PACT量化训练<br> | - |
-| MobileNetV3     | mobilenet_v3_small |  分类  | 支持 | - | 离线量化训练<br> | - |
+| 算法论文 | 模型名称 | 模型类型 | 基础<br>训练预测 | 更多<br>训练方式 | 更多<br>部署方式 | Slim训练部署 |  更多<br>训练环境  |
+| :--- | :--- |  :----:  | :--------: |  :----  |   :----  |   :----  |   :----  |
+| MobileNetV3     | mobilenet_v3_small |  分类  | 支持 | 混合精度 |  | PACT量化<br>离线量化 | Windows |
+
 
 ## 3. 测试工具简介
 
@@ -77,4 +76,4 @@ test_tipc
     - [Linux XPU2 基础训练推理测试]
     - [Linux DCU 基础训练推理测试]
     - [Linux NPU 基础训练推理测试]
-    - [Windows GPU/CPU 基础训练推理测试]
+    - [Windows GPU/CPU 基础训练推理测试](docs/test_windows_train_inference_python.md)

tutorials/mobilenetv3_prod/Step6/test_tipc/configs/mobilenet_v3_small/win_train_infer_python.txt

+===========================train_params===========================
+model_name:mobilenet_v3_small
+python:python
+gpu_list:0
+use-gpu:True
+--epochs:lite_train_lite_infer=5|whole_train_whole_infer=90
+--output-dir:./output/
+--batch-size:lite_train_lite_infer=4|whole_train_whole_infer=128
+--pretrained:null
+train_model_name:latest.pdparams
+--data-path:./lite_data
+##
+trainer:norm_train
+norm_train:train.py --workers=0
+##
+===========================eval_params===========================
+eval:train.py --test-only --workers=0
+##
+===========================infer_params===========================
+--save-inference-dir:./output/mobilenet_v3_small_infer/
+--pretrained:
+norm_export:tools/export_model.py --model=mobilenet_v3_small
+##
+train_model:./mobilenet_v3_small_pretrained.pdparams
+infer_export:tools/export_model.py --model=mobilenet_v3_small
+##
+inference:deploy/inference_python/infer.py
+--use-gpu:True|False
+--batch-size:1
+--model-dir:./output/mobilenet_v3_small_infer/
+--img-path:./images/demo.jpg
+--benchmark:True
\ No newline at end of file

tutorials/mobilenetv3_prod/Step6/test_tipc/docs/test_windows_train_inference_python.md

+# Windows GPU/CPU 基础训练推理测试
+
+Windows GPU/CPU 基础训练推理测试的主程序为`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。
+在Windows平台上执行命令和Linux平台略有不同，主要体现在：下载与解压数据、设置环境变量、数据加载等方面。此外Windows平台只支持单卡的训练与预测，DataLoader只支持单进程模式，因此需要设置 workers 为0。
+
+## 1. 测试结论汇总
+
+- 训练相关：
+
+| 算法名称 | 模型名称 | 单机单卡 | 单机多卡 |
+|  :----: |   :----:  |    :----:  |  :----:   |
+|  MobileNetV3  | mobilenet_v3_small | 正常训练 | 不支持 |
+
+
+- 推理相关：
+
+| 算法名称 | 模型名称 | device_CPU | device_GPU | batchsize |
+|  :----:   |  :----: |   :----:   |  :----:  |   :----:   |
+|  MobileNetV3   |  mobilenet_v3_small |  支持 | 支持 | 1 |
+
+
+## 2. 测试流程
+
+### 2.1 准备数据
+
+用于基础训练推理测试的数据位于`test_images/lite_data.tar`，直接解压即可（如果已经解压完成，则无需运行下面的命令）。
+
+```bash
+python -c "import shutil;shutil.unpack_archive('test_images/lite_data.tar', extract_dir='./',format='tar')"
+```
+
+执行该命令后，会在当前路径下解压出对应的数据集文件夹`lite_data`
+
+### 2.2 准备预训练模型
+
+使用下面的命令下载 MobileNetV3 预训练模型，便于后续测试模型评估、预测、推理部署等功能。
+
+```bash
+pip install wget
+python -c "import wget;wget.download('https://paddle-model-ecology.bj.bcebos.com/model/mobilenetv3_reprod/mobilenet_v3_small_pretrained.pdparams')"
+```
+
+### 2.3 准备环境
+
+- 安装PaddlePaddle：如果您已经安装了2.2或者以上版本的paddlepaddle，那么无需运行下面的命令安装paddlepaddle。
+    ```
+    # 需要安装2.2及以上版本的Paddle
+    # 安装GPU版本的Paddle
+    pip install paddlepaddle-gpu==2.2.0
+    # 安装CPU版本的Paddle
+    pip install paddlepaddle==2.2.0
+    ```
+
+- 安装依赖
+    ```
+    pip install  -r requirements.txt
+    ```
+
+- 安装AutoLog（规范化日志输出工具）
+    ```
+    pip install  https://paddleocr.bj.bcebos.com/libs/auto_log-1.2.0-py3-none-any.whl
+    ```
+- 安装 Git
+    在windows下想要执行shell脚本，需要使用到"Git Bash"，所以需要先安装Git，具体可百度搜索安装方法。
+
+### 2.4 功能测试
+
+测试方法如下所示，希望测试不同的模型文件，只需更换为自己的参数配置文件，即可完成对应模型的测试。
+
+```bash
+bash test_tipc/test_train_inference_python.sh ${your_params_file} lite_train_lite_infer
+```
+
+以`mobilenet_v3_small`的`Windows GPU/CPU 基础训练推理测试`为例，命令如下所示。
+
+```bash
+bash test_tipc/test_train_inference_python.sh test_tipc/configs/mobilenet_v3_small/win_train_infer_python.txt lite_train_lite_infer
+```
+
+输出结果如下，表示命令运行成功。
+
+```bash
+Run successfully with command - python train.py --workers=0 --output-dir=./log/mobilenet_v3_small/lite_train_lite_infer/norm_train_gpus_0 --epochs=5   --batch-size=4!
+......
+Run successfully with command - python deploy/inference_python/infer.py --use-gpu=False --model-dir=./log/mobilenet_v3_small/lite_train_lite_infer/norm_train_gpus_0 --batch-size=1   --benchmark=True > ./log/mobilenet_v3_small/lite_train_lite_infer/python_infer_cpu_batchsize_1.log 2>&1 !
+```
+
+在开启benchmark参数时，可以得到测试的详细数据，包含运行环境信息（系统版本、CUDA版本、CUDNN版本、驱动版本），Paddle版本信息，参数设置信息（运行设备、线程数、是否开启内存优化等），模型信息（模型名称、精度），数据信息（batchsize、是否为动态shape等），性能信息（CPU,GPU的占用、运行耗时、预处理耗时、推理耗时、后处理耗时），如下图所示
+
+<div align="center">
+    <img src="../../../../tipc/windows_train_infer_python/images/autolog_win_demo.png">
+</div>
+
+该信息可以在运行log中查看，以`mobilenet_v3_small`为例，log位置在`./log/mobilenet_v3_small/lite_train_lite_infer/python_infer_cpu_batchsize_1.log`。
+
+如果运行失败，也会在终端中输出运行失败的日志信息以及对应的运行命令。可以基于该命令，分析运行失败的原因。

tutorials/tipc/train_infer_python/test_train_infer_python.md

@@ -7,12 +7,12 @@
     - [2.1 命令解析](#2.1)
     - [2.2 配置文件和运行命令映射解析](#2.2)
 - [3. 基本训练推理功能测试开发](#3)
-    - [2.1 准备待测试的命令](#3.1)
-    - [2.2 准备数据与环境](#3.2)
-    - [2.3 准备开发所需脚本](#3.3)
-    - [2.4 填写配置文件](#3.4)
-    - [2.5 验证配置正确性](#3.5)
-    - [2.6 撰写说明文档](#3.6)
+    - [3.1 准备待测试的命令](#3.1)
+    - [3.2 准备数据与环境](#3.2)
+    - [3.3 准备开发所需脚本](#3.3)
+    - [3.4 填写配置文件](#3.4)
+    - [3.5 验证配置正确性](#3.5)
+    - [3.6 撰写说明文档](#3.6)
 - [4. FAQ](#4)
 
 <a name="1"></a>