一、编译前置条件
安装vs2019,并勾选使用c++桌面开发;
安装cuda、cudnn、tensorrt,并配置好环境变量;
安装cmake并配置好环境变量;
安装好opencv并配置好环境变量;
下载好对应版本的paddlepaddle C++ 预测库(https://paddleinference.paddlepaddle.org.cn/user_guides/download_lib.html#windows,注意匹配本机的cuda和cudnn版本);
下载release版本的paddleclas(如2.2)。
二、cmake编译配置
此时会出现很多错误,这是由于没有进行cuda、cudnn、cmake、tensorrt等的配置,具体配置见下图
三、vs2019编译生成
按如上步骤进行配置,然后进入vs2019中,进行如下配置
编译生成的输出窗口如果显示如下内容,即编译成功
进入release目录,默认目录文件如下
四、执行预测
如果要进行图像分类预测,还需要导入opencv和paddlepaddle c++的库,同时需要下载分类模型(这里下载的是车辆细分类模型,地址https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/vehicle_cls_ResNet50_CompCars_v1.0_infer.tar)并修改config.txt(此文件在paddleclas项目的D:\make\PaddleClas-release_2.2\deploy\cpp\docs\imgs目录下),主要配置cls_model_path和cls_params_path参数,
完成的目录文件如下:
在命令行执行如下命令:clas_system.exe config.txt 4.jpg,可得到如下输出结果:
至此,整个编译过程完成
赞!
优秀
6666666