Skip to content

Latest commit

 

History

History
65 lines (48 loc) · 2.54 KB

README.md

File metadata and controls

65 lines (48 loc) · 2.54 KB
Raw

PaddleMIX推理部署

PaddleMIX基于Paddle Inference，提供了python的部署方案。

1.一键预测部署

在使用 PaddleMIX 一键预测 APPflow 时，可通过设置 static_mode = True 变量开启静态图推理，同时可配合trt加速推理。

1.1 示例

>>> from paddlemix.appflow import Appflow
>>> from PIL import Image

>>> task = Appflow(app="openset_det_sam",
                   models=["GroundingDino/groundingdino-swint-ogc","Sam/SamVitH-1024"],
                   static_mode=True,
                   precision="fp32")
>>> image_pil = Image.open("beauty.png").convert("RGB")
>>> result = task(image=image_pil,prompt="women")

1.2 参数说明

参数 是否必须 含义
--app Yes 应用名称
--models Yes 需要使用的模型，可以是单个模型，也可以多个组合
--static_mode Option 是否静态图推理，默认False
--precision Option 当 static_mode == True 时使用，默认fp32,可选择trt_fp32、trt_fp16

说明：

  • 部分模型不支持静态图以及trt，具体可参考跨模态多场景应用
  • 生成的静态图将在模型名字对应的文件夹下 如:GroundingDino/groundingdino-swint-ogc/

2. Python端单模型预测部署

Python端预测部署主要包含两个步骤：

  • 导出预测模型
  • 基于Python进行预测

以 groundingdino 为例子。

2.1 导出预测模型

cd deploy/groundingdino
# 导出groundingdino模型
python export.py \
--dino_type GroundingDino/groundingdino-swint-ogc

导出后目录下，包括 model_state.pdiparams, model_state.pdiparams.info, model_state.pdmodel等文件。

2.2 基于python的预测

 python predict.py  \
 --text_encoder_type GroundingDino/groundingdino-swint-ogc \
 --model_path output_groundingdino/GroundingDino/groundingdino-swint-ogc \
 --input_image https://bj.bcebos.com/v1/paddlenlp/models/community/GroundingDino/000000004505.jpg \
 --output_dir ./groundingdino_predict_output \
 --prompt "bus"