FastDeploy/docs/docs_i18n/README_हिन्दी.md

English | 简体中文 | हिन्दी | 日本語 | 한국인 | Pу́сский язы́к

संस्थापन | दस्तावेज़ीकरण का उपयोग करें | तेजी से शुरू | APIप्रलेखन | चेंजलॉग

⚡️फास्टडिप्लोयएक एआई अनुमान तैनाती उपकरण है जो सभी परिदृश्य, उपयोग करने में आसान और लचीला और बेहद कुशल है। एक📦आउट-ऑफ-द-बॉक्स क्लाउड-एज परिनियोजन अनुभव प्रदान करता है, 🔥160+ से अधिक टेक्स्ट, विजन, स्पीच और क्रॉस-मोडल मॉडल का समर्थन करता है, और 🔚 एंड-टू-एंड अनुमान प्रदर्शन अनुकूलन को लागू करता है। डेवलपर्स की जरूरतों को पूरा करने के लिए छवि वर्गीकरण, ऑब्जेक्ट डिटेक्शन, छवि विभाजन, चेहरे का पता लगाने, चेहरे की पहचान, मुख्य बिंदु का पता लगाने, कटआउट, ओसीआर, एनएलपी, टीटीएस और अन्य कार्यों सहित बहु-परिदृश्य, बहु-हार्डवेयर, बहु-मंच उद्योग की तैनाती की जरूरत है।

🌠 ताज़ा अपडेट

• ✨✨✨ 2023.01.17 यह रिलीज फास्ट डिसेनियोजित हार्डवेयर श्रृंखला पर YOLOv8 की तैनाती का समर्थन करता है। जो भी शामिल Paddle YOLOv8 तथा समुदाय ultralytics YOLOv8

  • Paddle YOLOv8 हार्डवेयर निर्दिष्ट करता है जो तैनात किया जा सकता है।Intel CPU、NVIDIA GPU、Jetson、Phytium、KunlunXin、Huawei Ascend、ARM CPU, शामिल Python तैनाती तथा C++ तैनाती；गणना ऊर्जा और RK3588 अद्यतन किया जा रहा है।
  • समुदाय ultralytics YOLOv8[Intel CPU] हार्डवेयर निर्दिष्ट करता है जो तैनात किया जा सकता है।(./examples/vision/detection/yolov8)、NVIDIA GPU、Jetson, शामिल Python तैनाती तथा C++ तैनाती；
  • FastDeploy एक लाइन मॉडल API स्विचन YOLOv8、 PP-YOLOE+、YOLOv5 और अन्य मॉडलों की प्रदर्शन तुलना का एहसास कर सकते हैं।

• ✨👥✨ सामुदायिक संचार

  • Slack：Join our Slack community and chat with other community members about ideas

  • WeChat: दो आयामी कोड स्कैन करें, तकनीकी समुदाय में शामिल होने के लिए प्रश्नावली भरें और समुदाय डेवलपर्स के साथ तैनात उद्योग से होने वाले दर्द बिंदुओं के बारे में संवाद करें।

🌌 तर्क वापस अंत और क्षमता

	वीडियो स्ट्रीम	सेवाकरण परिनियोजन	एंड टू एंड परफॉरमेंस ऑप्टिमाइज़ेशन।	Linux	Windows	Android	macOS
X86_64 CPU
NVDIA GPU
Phytium CPU
KunlunXin XPU
Huawei Ascend NPU
Graphcore IPU
Sophgo
Intel graphics card
Jetson
ARM CPU
RK3588 etc.
RV1126 etc.
Amlogic
NXP

🔮 प्रलेखन ट्यूटोरियल

• ✴️ Python SDK तेजी से शुरू
• ✴️ C++ SDK तेजी से शुरू
• संस्थापन दस्तावेज़
  • प्रीकम्पाइल लाइब्रेरी को डाउनलोड और इंस्टॉल करें
  • GPU संकलन और तैनाती पर्यावरण स्थापित करें
  • CPU संकलन और तैनाती पर्यावरण स्थापित करें
  • IPU संकलन और तैनाती पर्यावरण स्थापित करें
  • KunlunXin XPU संकलन और तैनाती पर्यावरण स्थापित करें
  • Rockchip RV1126 संकलन और तैनाती पर्यावरण स्थापित करें
  • Rockchip RK3588 संकलन और तैनाती पर्यावरण स्थापित करें
  • Amlogic A311D संकलन और तैनाती पर्यावरण स्थापित करें
  • Huawei Ascend संकलन और तैनाती पर्यावरण स्थापित करें
  • Jetson संकलन और तैनाती पर्यावरण स्थापित करें
  • Android संकलन और तैनाती पर्यावरण स्थापित करें
• त्वरित उपयोग
  • PP-YOLOE Python तैनाती उदाहरण
  • PP-YOLOE C++ तैनाती उदाहरण
• पीछे के अंत का उपयोग करें
  • Runtime Python उदाहरण का उपयोग करें
  • Runtime C++ उदाहरण का उपयोग करें
  • मॉडल परिनियोजन के लिए तर्क संबंधी अंत को मैं कैसे कॉन्फ़िगर करूं
• सेवाकरण परिनियोजन
  • सेवा तैनाती छवि संकलन और स्थापना
  • सेवाकरण परिनियोजन
• API दस्तावेज़
  • Python API दस्तावेज़
  • C++ API दस्तावेज़
  • Android Java API दस्तावेज़
• परफ़ॉर्मेंस ट्यूनिंग
  • त्वरण त्वरण
  • मल्टी थ्रेडेड मल्टी प्रोसेस उपयोग
• क्यू एंड ए
  • 1. Windows कै से इस्तेमाल करे C++ SDK
  • 2. Android कैसे इस्तेमाल करे FastDeploy C++ SDK
  • 3. TensorRT उपयोग की जा रही कुछ तकनीकें
• अधिक Fastअधिक Deploy परिनियोजन मॉड्यूल
  • Benchmark परीक्षण
• मॉडल समर्थन सूची
  • 🖥️ सर्वर साइड मॉडल सूचियों का समर्थन करता है
  • 📳 मोबाइल और एंड-साइड मॉडल समर्थन सूची
  • ⚛️ Web और छोटे कार्यक्रम मॉडल समर्थन सूची
• 💕डेवलपर योगदान
  • नया मॉडल जोड़ें

तेजी से शुरू💨

Python SDK तेजी से (खोलें और सिकोड़ें)b>

🎆 त्वरित स्थापना

🔸 पूर्वता

• CUDA >= 11.2、cuDNN >= 8.0、Python >= 3.6
• OS: Linux x86_64/macOS/Windows 10

🔸 इंस्टॉल करें GPU संस्करण

pip install numpy opencv-python fastdeploy-gpu-python -f https://www.paddlepaddle.org.cn/whl/fastdeploy.html

🔸 Conda स्थापना (अनुशंसित✨)

conda config --add channels conda-forge && conda install cudatoolkit=11.2 cudnn=8.2

🔸 इंस्टॉल करें CPU संस्करण

pip install numpy opencv-python fastdeploy-python -f https://www.paddlepaddle.org.cn/whl/fastdeploy.html

🎇 Python अनुमान उदाहरण

• मॉडल और तस्वीरें तैयार करें

wget https://bj.bcebos.com/paddlehub/fastdeploy/ppyoloe_crn_l_300e_coco.tgz
tar xvf ppyoloe_crn_l_300e_coco.tgz
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg

• परीक्षण अनुमान परिणाम

# GPU/TensorRT तैनाती, संदर्भ examples/vision/detection/paddledetection/python
import cv2
import fastdeploy.vision as vision

model = vision.detection.PPYOLOE("ppyoloe_crn_l_300e_coco/model.pdmodel",
                                 "ppyoloe_crn_l_300e_coco/model.pdiparams",
                                 "ppyoloe_crn_l_300e_coco/infer_cfg.yml")
im = cv2.imread("000000014439.jpg")
result = model.predict(im)
print(result)

vis_im = vision.vis_detection(im, result, score_threshold=0.5)
cv2.imwrite("vis_image.jpg", vis_im)

C++ SDK तेजी से शुरू (अधिक जानकारी के लिए क्लिक करें)

🎆 इंस्टॉल करें

• संदर्भ C++ प्रीकम्पाइल लाइब्रेरी डाउनलोड文档

🎇 C++ अनुमान उदाहरण

• मॉडल और तस्वीरें तैयार करें

wget https://bj.bcebos.com/paddlehub/fastdeploy/ppyoloe_crn_l_300e_coco.tgz
tar xvf ppyoloe_crn_l_300e_coco.tgz
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg

• परीक्षण अनुमान परिणाम

// GPU/TensorRT तैनाती, संदर्भ examples/vision/detection/paddledetection/cpp
#include "fastdeploy/vision.h"

int main(int argc, char* argv[]) {
  namespace vision = fastdeploy::vision;
  auto model = vision::detection::PPYOLOE("ppyoloe_crn_l_300e_coco/model.pdmodel",
                                          "ppyoloe_crn_l_300e_coco/model.pdiparams",
                                          "ppyoloe_crn_l_300e_coco/infer_cfg.yml");
  auto im = cv::imread("000000014439.jpg");

  vision::DetectionResult res;
  model.Predict(im, &res);

  auto vis_im = vision::VisDetection(im, res, 0.5);
  cv::imwrite("vis_image.jpg", vis_im);
  return 0;
}

अधिक तैनाती के मामलों के लिए, देखेंमॉडल परिनियोजन उदाहरण .

✴️ ✴️ सर्वर साइड मॉडल सूचियों का समर्थन करता है ✴️ ✴️

प्रतीक विवरण: (1) ✅: पहले से समर्थित; (2) ❔:गति पर ; (3) N/A: समर्थित नहीं;

सर्वर-साइड मॉडल समर्थन सूची (ढहने के लिए क्लिक करें)

कार्य परिदृश्य	नमूना	Linux	Linux	Win	Win	Mac	Mac	Linux	Linux	Linux	Linux	Linux
---	---	X86 CPU	NVIDIA GPU	X86 CPU	NVIDIA GPU	X86 CPU	Arm CPU	AArch64 CPU	Phytium D2000CPU	NVIDIA Jetson	Graphcore IPU	Serving
Classification	PaddleClas/ResNet50	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
Classification	TorchVison/ResNet	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
Classification	ultralytics/YOLOv5Cls	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
Classification	PaddleClas/PP-LCNet	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
Classification	PaddleClas/PP-LCNetv2	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
Classification	PaddleClas/EfficientNet	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
Classification	PaddleClas/GhostNet	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
Classification	PaddleClas/MobileNetV1	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
Classification	PaddleClas/MobileNetV2	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
Classification	PaddleClas/MobileNetV3	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
Classification	PaddleClas/ShuffleNetV2	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
Classification	PaddleClas/SqueeezeNetV1.1	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
Classification	PaddleClas/Inceptionv3	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	✅
Classification	PaddleClas/PP-HGNet	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
Detection	PaddleDetection/PP-YOLOE	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	✅
Detection	🔥PaddleDetection/YOLOv8	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	✅
Detection	🔥ultralytics/YOLOv8	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
Detection	PaddleDetection/PicoDet	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	✅
Detection	PaddleDetection/YOLOX	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	✅
Detection	PaddleDetection/YOLOv3	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	✅
Detection	PaddleDetection/PP-YOLO	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	✅
Detection	PaddleDetection/PP-YOLOv2	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	✅
Detection	PaddleDetection/Faster-RCNN	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	✅
Detection	PaddleDetection/Mask-RCNN	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	✅
Detection	Megvii-BaseDetection/YOLOX	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
Detection	WongKinYiu/YOLOv7	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
Detection	WongKinYiu/YOLOv7end2end_trt	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
Detection	WongKinYiu/YOLOv7end2end_ort_	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
Detection	meituan/YOLOv6	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
Detection	ultralytics/YOLOv5	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	✅
Detection	WongKinYiu/YOLOR	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
Detection	WongKinYiu/ScaledYOLOv4	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
Detection	ppogg/YOLOv5Lite	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
Detection	RangiLyu/NanoDetPlus	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
KeyPoint	PaddleDetection/TinyPose	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
KeyPoint	PaddleDetection/PicoDet + TinyPose	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
HeadPose	omasaht/headpose	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
Tracking	PaddleDetection/PP-Tracking	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
OCR	PaddleOCR/PP-OCRv2	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
OCR	PaddleOCR/PP-OCRv3	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	✅
Segmentation	PaddleSeg/PP-LiteSeg	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
Segmentation	PaddleSeg/PP-HumanSegLite	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
Segmentation	PaddleSeg/HRNet	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
Segmentation	PaddleSeg/PP-HumanSegServer	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
Segmentation	PaddleSeg/Unet	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
Segmentation	PaddleSeg/Deeplabv3	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
FaceDetection	biubug6/RetinaFace	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
FaceDetection	Linzaer/UltraFace	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
FaceDetection	deepcam-cn/YOLOv5Face	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
FaceDetection	insightface/SCRFD	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
FaceAlign	Hsintao/PFLD	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
FaceAlign	Single430FaceLandmark1000	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
FaceAlign	jhb86253817/PIPNet	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
FaceRecognition	insightface/ArcFace	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
FaceRecognition	insightface/CosFace	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
FaceRecognition	insightface/PartialFC	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
FaceRecognition	insightface/VPL	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
Matting	ZHKKKe/MODNet	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
Matting	PeterL1n/RobustVideoMatting	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
Matting	PaddleSeg/PP-Matting	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
Matting	PaddleSeg/PP-HumanMatting	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
Matting	PaddleSeg/ModNet	✅	✅	✅	✅	✅	✅	✅	✅	✅	❔	❔
Video Super-Resolution	PaddleGAN/BasicVSR	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
Video Super-Resolution	PaddleGAN/EDVR	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
Video Super-Resolution	PaddleGAN/PP-MSVSR	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔	❔
Information Extraction	PaddleNLP/UIE	✅	✅	✅	✅	✅	✅	✅	❔	✅	❔
NLP	PaddleNLP/ERNIE-3.0	✅	✅	✅	✅	✅	✅	✅	❔	❔	❔	✅
Speech	PaddleSpeech/PP-TTS	✅	✅	✅	✅	✅	✅	✅	❔	❔	--	✅

📲 मोबाइल और एंड-साइड मॉडल समर्थन सूची

एंड-साइड मॉडल समर्थन सूची (पतन के लिए क्लिक करें)

कार्य परिदृश्य	नमूना	आकार(MB)	Linux	Android	Linux	Linux	Linux	Linux	Linux	TBD...
---	---	---	ARM CPU	ARM CPU	Rockchip-NPU RK3568/RK3588	Rockchip-NPU RV1109/RV1126/RK1808	Amlogic-NPU A311D/S905D/C308X	NXP-NPU i.MX 8M Plus	TBD...｜
Classification	PaddleClas/ResNet50	98	✅	✅	❔	✅
Classification	PaddleClas/PP-LCNet	11.9	✅	✅	❔	✅	--	--	--
Classification	PaddleClas/PP-LCNetv2	26.6	✅	✅	❔	✅	--	--	--
Classification	PaddleClas/EfficientNet	31.4	✅	✅	❔	✅	--	--	--
Classification	PaddleClas/GhostNet	20.8	✅	✅	❔	✅	--	--	--
Classification	PaddleClas/MobileNetV1	17	✅	✅	❔	✅	--	--	--
Classification	PaddleClas/MobileNetV2	14.2	✅	✅	❔	✅	--	--	--
Classification	PaddleClas/MobileNetV3	22	✅	✅	❔	✅	❔	❔	--
Classification	PaddleClas/ShuffleNetV2	9.2	✅	✅	❔	✅	--	--	--
Classification	PaddleClas/SqueezeNetV1.1	5	✅	✅	❔	✅	--	--	--
Classification	PaddleClas/Inceptionv3	95.5	✅	✅	❔	✅	--	--	--
Classification	PaddleClas/PP-HGNet	59	✅	✅	❔	✅	--	--	--
Detection	PaddleDetection/PicoDet_s	4.9	✅	✅	✅	✅	✅	✅	--
Detection	YOLOv5		❔	❔	✅	❔	❔	❔	--
Face Detection	deepinsight/SCRFD	2.5	✅	✅	✅	--	--	--	--
Keypoint Detection	PaddleDetection/PP-TinyPose	5.5	✅	✅	❔	❔	❔	❔	--
Segmentation	PaddleSeg/PP-LiteSeg(STDC1)	32.2	✅	✅	✅	--	--	--	--
Segmentation	PaddleSeg/PP-HumanSeg-Lite	0.556	✅	✅	✅	--	--	--	--
Segmentation	PaddleSeg/HRNet-w18	38.7	✅	✅	✅	--	--	--	--
Segmentation	PaddleSeg/PP-HumanSeg	107.2	✅	✅	✅	--	--	--	--
Segmentation	PaddleSeg/Unet	53.7	✅	✅	✅	--	--	--	--
Segmentation	PaddleSeg/Deeplabv3	150	❔	✅	✅
OCR	PaddleOCR/PP-OCRv2	2.3+4.4	✅	✅	❔	--	--	--	--
OCR	PaddleOCR/PP-OCRv3	2.4+10.6	✅	❔	❔	❔	❔	❔	--

⚛️ Web और छोटे कार्यक्रम मॉडल समर्थन सूची

Web और मिनी प्रोग्राम परिनियोजन समर्थन सूची (ढहने के लिए क्लिक करें)

कार्य परिदृश्य	नमूना	web_demo
---	---	Paddle.js
Detection	FaceDetection	✅
Detection	ScrewDetection	✅
Segmentation	PaddleSeg/HumanSeg	✅
Object Recognition	GestureRecognition	✅
Object Recognition	ItemIdentification	✅
OCR	PaddleOCR/PP-OCRv3	✅

💐 Acknowledge

यह परियोजना SDK पीढ़ी और डाउनलोड हम EasyEdge में मुक्त और खुली क्षमताओं का उपयोग करने के लिए आभारी हैं।

©️ License

FastDeploy निम्नानुसार है Apache-2.0 खुला स्रोत लाइसेंस