在瑞芯微3568上已经部署好Fastdeploy。请问example中Yolov5的自己的onnx模型怎么使用呢？

[dxisdx]

请提出你的问题 Please ask your question

在瑞芯微3568上已经部署好Fastdeploy。请问example中Yolov5的自己的目标检测onnx模型怎么使用呢？
例程infer下载的现成的模型是model.pdiparams和model.pdmodel文件
现在我有自己的onnx模型不知道程序里面怎么引用。下面是例程可以跑的程序。检测人的。

import fastdeploy as fd
import cv2
import os

def parse_arguments():
import argparse
import ast
parser = argparse.ArgumentParser()
parser.add_argument("--model", default=None, help="Path of yolov5 model.")
parser.add_argument(
"--image", default=None, help="Path of test image file.")
parser.add_argument(
"--device",
type=str,
default='cpu',
help="Type of inference device, support 'cpu' or 'gpu' or 'kunlunxin'.")
parser.add_argument(
"--use_trt",
type=ast.literal_eval,
default=False,
help="Wether to use tensorrt.")
return parser.parse_args()

def build_option(args):
option = fd.RuntimeOption()
if args.device.lower() == "kunlunxin":
option.use_kunlunxin()

if args.device.lower() == "gpu":
    option.use_gpu()

if args.device.lower() == "ascend":
    option.use_ascend()

if args.use_trt:
    option.use_trt_backend()
    option.set_trt_input_shape("images", [1, 3, 640, 640])
return option

args = parse_arguments()

配置runtime，加载模型

runtime_option = build_option(args)
model_file = os.path.join(args.model, "model.pdmodel")
params_file = os.path.join(args.model, "model.pdiparams")
model = fd.vision.detection.YOLOv5(
model_file,
params_file,
runtime_option=runtime_option,
model_format=fd.ModelFormat.PADDLE)

预测图片检测结果

if args.image is None:
image = fd.utils.get_detection_test_image()
else:
image = args.image
im = cv2.imread(image)
result = model.predict(im)
print(result)

预测结果可视化

vis_im = fd.vision.vis_detection(im, result)
cv2.imwrite("visualized_result.jpg", vis_im)
print("Visualized result save in ./visualized_result.jpg")

[caizejun]

https://github.com/PaddlePaddle/FastDeploy/blob/develop/README_CN.md fastdeploy是支持直接部署onnx模型的 这边是fastdeploy仓库 ，你可以找找示例api 看看怎么用