# 飞桨训推一体全流程(TIPC) ## 1. 简介 飞桨除了基本的模型训练和预测,还提供了支持多端多平台的高性能推理部署工具。本文档提供了飞桨训推一体全流程(Training and Inference Pipeline Criterion(TIPC))信息和测试工具,方便用户查阅每种模型的训练推理部署打通情况,并可以进行一键测试。 ## 2. 汇总信息 打通情况汇总如下,已填写的部分表示可以使用本工具进行一键测试,未填写的表示正在支持中。 **字段说明:** - 基础训练预测:包括模型训练、Paddle Inference Python预测。 - 更多训练方式:包括多机多卡、混合精度。 - 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
训练预测 | 更多
训练方式 | 更多
部署方式 | Slim训练部署 | 更多
训练环境 | | :--- | :--- | :----: | :--------: | :---- | :---- | :---- | :---- | | MobileNetV3 | mobilenet_v3_small | 分类 | 支持 | 混合精度 | | PACT量化
离线量化 | Windows | ## 3. 测试工具简介 ### 3.1 目录介绍 ``` test_tipc |--configs # 配置目录 | |--model_name # 您的模型名称 | |--train_infer_python.txt # 基础训练推理测试配置文件 |--docs # 文档目录 | |--test_train_inference_python.md # 基础训练推理测试说明文档 |----README.md # TIPC说明文档 |----prepare.sh # TIPC基础训练推理测试数据准备脚本 |----test_train_inference_python.sh # TIPC基础训练推理测试解析脚本,无需改动 |----common_func.sh # TIPC基础训练推理测试常用函数,无需改动 ``` ### 3.2 测试流程概述 使用本工具,可以测试不同功能的支持情况。测试过程包含: 1. 准备数据与环境 2. 运行测试脚本,观察不同配置是否运行成功。 ### 3.3 开始测试 请参考相应文档,完成指定功能的测试。 - 基础训练预测测试: - [Linux GPU/CPU 基础训练推理测试](docs/test_train_inference_python.md) - 更多训练方式测试(coming soon): - [Linux GPU/CPU 多机多卡训练推理测试] - [Linux GPU/CPU 混合精度训练推理测试](docs/test_train_amp_inference_python.md) - 更多部署方式测试(coming soon): - [Linux GPU/CPU PYTHON 服务化部署测试] - [Linux GPU/CPU C++ 服务化部署测试] - [Linux GPU/CPU C++ 推理测试] - [Paddle.js 部署测试] - [Paddle2ONNX 测试] - [Lite ARM CPU 部署测试] - [OpenCL ARM GPU 部署测试] - [Metal ARM GPU 部署测试] - [Jetson 部署测试] - [XPU 部署测试] - [OpenCL ARM GPU 部署测试] - Slim训练部署测试: - [Linux GPU/CPU PACT量化训练测试](./docs/test_train_pact_inference_python.md) - [Linux GPU/CPU 离线量化测试](./docs/test_train_ptq_inference_python.md) - 更多训练环境测试(coming soon): - [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](docs/test_windows_train_inference_python.md)