• 1.基于paddleX的EdgeBoard部署项目举例：PaddleX快速上手-MobileNet V2图像分类

https://aistudio.baidu.com/aistudio/projectdetail/439860?channelType=0&channel=0

训练过程中10个epoch每次的训练结果都会与bestmodel进行对比
训练结果产生四个文件夹：
1参数/ 2与训练相关的内容/3op之间如何连接/4训练前处理相关配置

推理预测：板子上部署时，还需要将导出的不需要的信息删除掉

EdgeBoard：AI时代的树莓派

github上paddleX官网上有完整的模型部署导出流程

paddlex --export_inference --model_dir=./output/deeplabv3p_r50vd/best_model/ --save_dir=./inference_model

需要按照示例修改模型路径，运行完上述命令行工作路径下会多出inference文件夹，我们更关心的是_model_和_params_两个文件，文件名可以按照自己习惯的方式来进行命名。

EdgeBoard板子通过网线与PC连接，MAC系统使用smb登录连接，Windows使用SCP登录也可以
可视化界面方式更直观，命令行也可以

开发板支持很多外设：HDMI USB 以太网 GPIO

登录板子，192.168.1.252是出厂默认的IP

用户名与密码都是root

文件夹路径：

前处理相关参数：

推理代码：

C++或者Python的推理步骤与前面课程讲解代码整体流程相同，Python部署流程与C++几乎一致，python需要用python3版本

编译运行：cmake跨平台编译工具 

Edgeboard A55 CPU

目前支持的网络，支持多数分类模型，部分检测模型，分割模型支持DeepLabV3

• 2.基于paddle-lite的安卓部署示例

https://paddle-lite.readthedocs.io/zh/latest/user_guides/quant_aware.html

华为手机有npu可以执行该语句，可以加速推理。

左端显示为推理所用nb模型文件路径

建议首先在虚拟机进行测试实验，如果出现崩溃问题可以直接删除整个系统

基于VMware的虚拟机系统安装，ubuntu镜像大小2.7G

安卓部署相关文件路径

配置文件