mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2026-04-24 09:44:10 +08:00
yeliang2258
104d965b38
* add yolov5 and ppyoloe for rk1126 * update code, rename rk1126 to rv1126 * add PP-Liteseg * update lite lib * updade doc for PPYOLOE * update doc * fix docs * fix doc and examples * update code * uodate doc * update doc Co-authored-by: Jason <jiangjiajun@baidu.com>
32 lines
1.6 KiB
Markdown
Executable File
32 lines
1.6 KiB
Markdown
Executable File
# YOLOv5s量化模型 Python部署示例
|
|
本目录下提供的`infer.py`,可以帮助用户快速完成YOLOv5量化模型在CPU/GPU上的部署推理加速.
|
|
|
|
## 部署准备
|
|
### FastDeploy环境准备
|
|
- 1. 软硬件环境满足要求，参考[FastDeploy环境要求](../../../../../../docs/cn/build_and_install/download_prebuilt_libraries.md)
|
|
- 2. FastDeploy Python whl包安装，参考[FastDeploy Python安装](../../../../../../docs/cn/build_and_install/download_prebuilt_libraries.md)
|
|
|
|
### 量化模型准备
|
|
- 1. 用户可以直接使用由FastDeploy提供的量化模型进行部署.
|
|
- 2. 用户可以使用FastDeploy提供的[一键模型自动化压缩工具](../../../../../../tools/common_tools/auto_compression/),自行进行模型量化, 并使用产出的量化模型进行部署.
|
|
|
|
|
|
## 以量化后的YOLOv5s模型为例, 进行部署
|
|
```bash
|
|
#下载部署示例代码
|
|
git clone https://github.com/PaddlePaddle/FastDeploy.git
|
|
cd examples/vision/detection/yolov5/quantize/python
|
|
|
|
#下载FastDeloy提供的yolov5s量化模型文件和测试图片
|
|
wget https://bj.bcebos.com/paddlehub/fastdeploy/yolov5s_quant.tar
|
|
tar -xvf yolov5s_quant.tar
|
|
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg
|
|
|
|
# 在CPU上使用ONNX Runtime推理量化模型
|
|
python infer.py --model yolov5s_quant --image 000000014439.jpg --device cpu --backend ort
|
|
# 在GPU上使用TensorRT推理量化模型
|
|
python infer.py --model yolov5s_quant --image 000000014439.jpg --device gpu --backend trt
|
|
# 在GPU上使用Paddle-TensorRT推理量化模型
|
|
python infer.py --model yolov5s_quant --image 000000014439.jpg --device gpu --backend pptrt
|
|
```
|