PaddleHub——快速白嫖海量预训练模型并实现轻量代码部署

PaddleHub直击白嫖党的内心！快来试试哇！

1.快速安装paddlehub

pip install --upgrade paddlepaddle -i https://mirror.baidu.com/pypi/simple
pip install --upgrade paddlehub -i https://mirror.baidu.com/pypi/simple

2.在模型库中物色心仪的模型

PaddleHub模型库

3.一键搞到模型

hub install XXXX

模型下有写具体命令，直接粘贴即可：

4.轻量级部署

（1）X86端（Windows或者Linux）

PaddleHub——Windows端用轻量代码实现调用预训练模型实现目标检测

（2）arm端（树莓派4B等）

先将模型在Windows端下载下来，用hub install命令，然后找到模型，一般都在这个路径下：

然后把模型使用opt工具转换一下，在Windows端直接写个py程序：
opt_preocess.py

# 引用Paddlelite预测库
from paddlelite.lite import *
# 1. 创建opt实例
opt=Opt()
# 2. 指定输入模型地址 
opt.set_model_dir(r"PaddleHub\hub_model\ultra_light_fast_generic_face_detector_1mb_640\ultra_light_fast_generic_face_detector_1mb_640")
# 3. 指定转化类型： arm、x86、opencl、xpu、npu
opt.set_valid_places("arm")
# 4. 指定模型转化类型： naive_buffer、protobuf
opt.set_model_type("naive_buffer")
# 4. 输出模型地址
opt.set_optimize_out(r"PaddleHub\hub_model\ultra_light_fast_generic_face_detector_1mb_640\model")
# 5. 执行模型优化
opt.run() 

然后就会生成arm端部署的model.nb模型，然后传送到arm（例如树莓派）端，通过Paddle Lite部署预测就行啦~
但需要注意的是，Paddle Lite的arm端不一定会支持某些模型的算子，所以不是所有的hub上的模型都能部署在arm端。

如果想进一步在树莓派上部署模型进行预测，可以参考我的博客：

• Paddle-Lite——在树莓派4B端（Raspi OS）基于python API部署Paddle模型
• Paddle-Lite——在树莓派4B端（Ubuntu18.04）源码编译并基于python API部署Paddle模型