Skip to content

Latest commit

 

History

History
56 lines (42 loc) · 1.87 KB

model_export.md

File metadata and controls

56 lines (42 loc) · 1.87 KB
Raw

模型导出

本教程提供了一个将训练好的动态图模型转化为静态图模型并进行部署的例子

注意：如果已经通过量化或者剪枝优化过模型，则模型已经保存为静态图模型，可以直接查看部署

获取预训练模型

注意：下述例子为Linux或者Mac上执行的例子，windows请自行在浏览器下载参数并存放到所创建的目录

mkdir bisenet && cd bisenet
wget https://paddleseg.bj.bcebos.com/dygraph/cityscapes/bisenet_cityscapes_1024x1024_160k/model.pdparams
cd ..

将模型导出为静态图模型

请确保完成了PaddleSeg的安装工作，并且位于PaddleSeg目录下，执行以下脚本：

export CUDA_VISIBLE_DEVICES=0 # 设置1张可用的卡
# windows下请执行以下命令
# set CUDA_VISIBLE_DEVICES=0
python export.py \
       --config configs/bisenet/bisenet_cityscapes_1024x1024_160k.yml \
       --model_path bisenet/model.pdparams

导出脚本参数解释

参数名 用途 是否必选项 默认值
config 配置文件 是 -
save_dir 模型和visualdl日志文件的保存根路径 否 output
model_path 预训练模型参数的路径 否 配置文件中指定值

结果文件

output
  ├── deploy.yaml            # 部署相关的配置文件
  ├── model.pdiparams        # 静态图模型参数
  ├── model.pdiparams.info   # 参数额外信息，一般无需关注
  └── model.pdmodel          # 静态图模型文件

模型部署预测

PaddleSeg目前支持以下部署方式：

端侧 库 教程
Python端部署 Paddle预测库 示例
移动端部署 ONNX 完善中
服务端部署 HubServing 完善中
前端部署 PaddleJS 完善中