PaddleHub-fast prostitución blanca masiva modelo pre-entrenado y despliegue de código ligero

¡PaddleHub llega al corazón de la fiesta de la prostitución blanca! ¡Ven y prueba wow!

1. Instale rápidamente paddlehub

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

2. Encuentra tu modelo favorito en la biblioteca de modelos.

Biblioteca de modelos de PaddleHub

3. Un clic para obtener el modelo.

hub install XXXX

Hay comandos específicos debajo del modelo, solo pégalos directamente:

4. Despliegue ligero

(1) Lado X86 (Windows o Linux)

PaddleHub-Windows usa un código ligero para llamar a modelos previamente entrenados para lograr la detección de objetivos

(2) Extremo del brazo (Raspberry Pi 4B, etc.)

Primero descargue el modelo en el lado de Windows, use el hub installcomando y luego busque el modelo, generalmente bajo esta ruta:

Luego use la herramienta opt para convertir el modelo y escriba un programa py directamente en el lado de Windows:
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() 

Luego, se generará el modelo model.nb desplegado en el lado del brazo y luego se transmitirá al lado del brazo (como Raspberry Pi), y la predicción se puede implementar a través de Paddle Lite ~
Pero debe tenerse en cuenta que el lado del brazo de Paddle Es posible que Lite no sea compatible con algunos operadores del modelo, por lo que no todos los modelos del buje pueden desplegarse en el lado del brazo.

Si desea implementar aún más el modelo en la Raspberry Pi para hacer predicciones, puede consultar mi blog:

• Modelo Paddle-Lite-Deploy Paddle basado en la API de Python en Raspberry Pi 4B (Raspi OS)
• Paddle-Lite: compile el código fuente en Raspberry Pi 4B (Ubuntu 18.04) e implemente el modelo Paddle basado en la API de Python