Skip to content

Latest commit

 

History

History
82 lines (54 loc) · 2.69 KB

python.md

File metadata and controls

82 lines (54 loc) · 2.69 KB
Raw

Python 预测推理

首先请参考文档环境准备配置运行环境。

目录

1. PP-ShiTu模型推理

PP-ShiTu整个Pipeline包含三部分：主体检测、特征提取模型、特征检索。其中主体检测模型、特征提取模型可以单独推理使用。单独使用主体检测详见主体检测模型推理，特征提取模型单独推理详见特征提取模型推理， PP-ShiTu整体推理详见PP-ShiTu PipeLine推理。

1.1 主体检测模型推理

进入 PaddleClas 的 deploy 目录下：

cd PaddleClas/deploy

准备 PaddleClas 提供的主体检测 inference 模型：

mkdir -p models
# 下载通用检测 inference 模型并解压
wget -nc -P ./models/ https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/picodet_PPLCNet_x2_5_mainbody_lite_v1.0_infer.tar
tar -xf ./models/picodet_PPLCNet_x2_5_mainbody_lite_v1.0_infer.tar -C ./models/

使用以下命令进行预测：

python3.7 python/predict_det.py -c configs/inference_det.yaml

在配置文件 configs/inference_det.yaml 中有以下字段用于配置预测参数：

  • Global.infer_imgs：待预测的图片文件路径；
  • Global.use_gpu： 是否使用 GPU 预测，默认为 True。

1.2 特征提取模型推理

下面以商品图片的特征提取为例，介绍特征提取模型推理。首先进入 PaddleClas 的 deploy 目录下：

cd PaddleClas/deploy

准备 PaddleClas 提供的商品特征提取 inference 模型：

mkdir -p models
# 下载商品特征提取 inference 模型并解压
wget -nc -P ./models/ https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/PP-ShiTuV2/general_PPLCNetV2_base_pretrained_v1.0_infer.tar
tar -xf ./models/general_PPLCNetV2_base_pretrained_v1.0_infer.tar -C ./models/

使用以下命令进行预测：

python3.7 python/predict_rec.py -c configs/inference_rec.yaml

上述预测命令可以得到一个 512 维的特征向量，直接输出在在命令行中。

在配置文件 configs/inference_rec.yaml 中有以下字段用于配置预测参数：

  • Global.infer_imgs：待预测的图片文件路径；
  • Global.use_gpu： 是否使用 GPU 预测，默认为 True。

1.3 PP-ShiTu PipeLine推理

主体检测、特征提取和向量检索的串联预测，可以参考图像识别快速开始。