已经分别训练好检测和识别模型,并转换成inference格式
下一步希望部署在python代码内,用于识别图片。
搜到了一组代码,但是里面只引用了一组.pdmodel和.pdiparams文件,是否需要将识别和检测文件合并呢?或者有什么能同时引用检测和识别模型的代码或者教程可以参考吗,谢谢。
如何能将检测和识别推理串联呢。
mport numpy as np
from paddle.inference import Config
from paddle.inference import create_predictor
config = Config("inference_model/lenet/lenet.pdmodel", "inference_model/lenet/lenet.pdiparams")
config.disable_gpu()
# 创建PaddlePredictor
predictor = create_predictor(config)
# 获取输入的名称
input_names = predictor.get_input_names()
input_handle = predictor.get_input_handle(input_names[0])
# 设置输入
fake_input = np.random.randn(1, 1, 28, 28).astype("float32")
input_handle.reshape([1, 1, 28, 28])
input_handle.copy_from_cpu(fake_input)
# 运行predictor
predictor.run()
# 获取输出
output_names = predictor.get_output_names()
output_handle = predictor.get_output_handle(output_names[0])
output_data = output_handle.copy_to_cpu() # numpy.ndarray类型
print(output_data)
为什么要串联呢?串联在一起就是检测模型了
这个使用inference模型的架构是一个通用架构,使用不同模型或者依次链接不同的模型只需要将:
Config("inference_model/lenet/lenet.pdmodel", "inference_model/lenet/lenet.pdiparams")
这里的模型路径更改掉就可以了。