Skip to content

Latest commit

 

History

History
80 lines (58 loc) · 3.43 KB

README_CN.md

File metadata and controls

80 lines (58 loc) · 3.43 KB

English | 简体中文

YOLOX Python部署示例

在部署前，需确认以下两个步骤

本目录下提供infer.py快速完成YOLOX在CPU/GPU，以及GPU上通过TensorRT加速部署的示例。执行如下脚本即可完成

#下载部署示例代码
git clone https://github.com/PaddlePaddle/FastDeploy.git
cd examples/vision/detection/yolox/python/

#下载YOLOX模型文件和测试图片
wget https://bj.bcebos.com/paddlehub/fastdeploy/yolox_s.onnx
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg

# CPU推理
python infer.py --model yolox_s.onnx --image 000000014439.jpg --device cpu
# GPU推理
python infer.py --model yolox_s.onnx --image 000000014439.jpg --device gpu
# GPU上使用TensorRT推理 (TensorRT在SDK中已包含，不需要单独安装)
python infer.py --model yolox_s.onnx --image 000000014439.jpg --device gpu --use_trt True

运行完成可视化结果如下图所示

YOLOX Python接口

fastdeploy.vision.detection.YOLOX(model_file, params_file=None, runtime_option=None, model_format=ModelFormat.ONNX)

YOLOX模型加载和初始化，其中model_file为导出的ONNX模型格式

参数

  • model_file(str): 模型文件路径
  • params_file(str): 参数文件路径，当模型格式为ONNX格式时，此参数无需设定
  • runtime_option(RuntimeOption): 后端推理配置，默认为None，即采用默认配置
  • model_format(ModelFormat): 模型格式，默认为ONNX

predict函数

YOLOX.predict(image_data, conf_threshold=0.25, nms_iou_threshold=0.5)

模型预测结口，输入图像直接输出检测结果。

参数

  • image_data(np.ndarray): 输入数据，注意需为HWC，BGR格式
  • conf_threshold(float): 检测框置信度过滤阈值
  • nms_iou_threshold(float): NMS处理过程中iou阈值

返回

返回fastdeploy.vision.DetectionResult结构体，结构体说明参考文档视觉模型预测结果

类成员属性

预处理参数

用户可按照自己的实际需求，修改下列预处理参数，从而影响最终的推理和部署效果

  • size(list[int]): 通过此参数修改预处理过程中resize的大小，包含两个整型元素，表示[width, height], 默认值为[640, 640]
  • padding_value(list[float]): 通过此参数可以修改图片在resize时候做填充(padding)的值, 包含三个浮点型元素, 分别表示三个通道的值, 默认值为[114, 114, 114]
  • is_decode_exported(bool): 表示导出的YOLOX的onnx模型文件是否带坐标反算的decode部分, 默认值为is_decode_exported=False，官方默认的导出不带decode部分，如果您导出的模型带了decode，请将此参数设置为True

其它文档