飞桨达人营第七课课后笔记:安全帽检测
收藏
PaddleX 2.0动态图体验:安全帽检测模型开发与部署
准备模型库
数据集准备
模型训练
模型预测
模型裁剪
全面支持动态图的PaddleX,操作流程依然非常简单,在16个小时内,可以很快地完成一个效果良好的安全帽检测模型训练。后续,将继续探索模型在边缘端设备如EdgeBoard的部署实现。
PaddleX 2.0动态图检测模型部署实现
1 PaddleX模型C++部署
1.1 模型套件支持
1.2 硬件支持
2 基于PaddleInference的推理-Linux环境编译
2.1 部署代码准备
2.2 下载PaddlePaddle C++ 预测库
2.3 修改编译参数
2.4 修改yaml依赖包路径并编译
3 模型导出和部署
3.1 模型导出
3.2 模型测试
3.3 加载导出的模型并使用GPU预测
3.4 模型验证
本文介绍了PaddleX动态图模型基于PaddleInference的部署实现,一般来说,部署有大三关:环境、编译和预测,相对来说,部署往往要多次debug,而且不一定能马上找到解决方案,因此,有耐心是特别重要的。
0
收藏
请登录后评论