百度AI达人创造营

• 课程设计

本节课你可以学习到以下的内容：基于Paddle 2.0.0-rc环境的安全帽检测模型训练与部署

• 开始上课

一、准备模型库

!pip install paddlex==2.0rc

https://gitee.com/paddlepaddle/PaddleX/tree/release%2F2.0-rc

二、数据集准备

数据集的准备在第二节课中已经讲过了，可以参考第二节课笔记

https://aistudio.baidu.com/paddle/forum/topic/show/989679

三、模型训练

PaddleX最核心的特点就是模型训练极其简单，比如下面几行代码演示的，只要配置了数据集目录，选择好模型即可。

涉及到PaddleX中目标检测模型的选择，最关键的就是这行代码

pdx.models.YOLOv3(num_classes=num_classes, backbone='DarkNet53')

可以先查看下PaddleX目前提供了哪些目标检测模型以及backbone的支持。

四、模型预测

这里，我们不仅可以挑选测试集图片进行预测，还可以写一个简单的逻辑，完成图片中目标数量的计数。比如，我们可以统计下一张图片中，共有多少人未佩戴安全帽。

五、模型裁剪

模型裁剪可以更好地满足在端侧、移动端上部署场景下的性能需求，可以有效得降低模型的体积，以及计算量，加速预测性能。PaddleX集成了PaddleSlim的基于敏感度的通道裁剪算法，通过以下代码，可以在此前训练模型的基础上，加载并进行裁剪，重新开始训练。

六、总结

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。