Слияние кода завершено, страница обновится автоматически
Paddle-Lite-Demo
Paddle-Lite предоставляет примеры для iOS, Android и ARMLinux:
Для получения дополнительной информации о Paddle-Lite и примерах обратитесь к оставшимся разделам этой статьи и следующим ссылкам на документы:
iOS:
Android:
ARMLinux:
$ sudo apt-get update
$ sudo apt-get install gcc g++ make wget unzip libopencv-dev pkg-config
$ wget https://www.cmake.org/files/v3.10/cmake-3.10.3.tar.gz
$ tar -zxvf cmake-3.10.3.tar.gz
$ cd cmake-3.10.3
$ ./configure
$ make
$ sudo make install
Клонируйте репозиторий Paddle-Lite-Demo с помощью команды git clone https://github.com/PaddlePaddle/Paddle-Lite-Demo.
iOS:
PaddleLite-ios-demo выполните скрипт download_dependencies.sh, который загружает зависимости, необходимые для ios demo, включая библиотеку прогнозирования paddle-lite и модели.$ chmod +x download_dependencies.sh
$ ./download_dependencies.sh
Paddle-Lite-Demo/PaddleLite-ios-demo/ios-xxx_demo/ в Xcode;Android:
Текст в переводе на русский язык:
В демоверсии классификации изображений по умолчанию загружается изображение кошки, и под изображением отображается прогноз CPU. Если вы используете смартфон Huawei с чипом Kirin 810 или 990, таким как серия Nova5, вы можете выбрать «Settings...» в контекстном меню в правом верхнем углу, чтобы открыть окно настроек и переключиться на модель NPU для прогнозирования.
ARMLinux
$ cd Paddle-Lite-Demo/PaddleLite-armlinux-demo
$ ./download_models_and_libs.sh # загрузка моделей и библиотек прогнозирования
$ cd Paddle-Lite-Demo/PaddleLite-armlinux-demo/image_classification_demo
$ ./run.sh armv8 # RK3399
$ ./run.sh armv7hf # Raspberry Pi 3B
Результаты прогнозирования и данные о производительности отображаются в терминале, а файл result.jpg создаётся в каталоге build.
$ cd Paddle-Lite-Demo/PaddleLite-armlinux-demo/object_detection_demo
$ ./run.sh armv8 # RK3399
$ ./run.sh armv7hf # Raspberry Pi 3B
Результаты прогнозирования и данные о производительности отображаются в терминале, а файл result.jpg создаётся в каталоге build.
Проект Paddle-Lite: https://github.com/PaddlePaddle/Paddle-Lite
См. документацию Paddle-Lite для компиляции библиотек iOS, Android и ARMLinux.
Окончательный продукт компиляции находится в папке build.lite.xxx.xxx.xxx, а библиотека вывода — в inference_lite_lib.xxx.xxx.
Замените файлы библиотеки в каталоге lib на файлы, созданные в результате компиляции.
Замените файлы заголовков в каталоге include на файлы в каталоге paddle_lite.
Замените файл jar в каталоге libs на файл PaddlePredictor.jar, созданный в результате компиляции.
Замените библиотеку jni для архитектуры arm64-v8a на файл libpaddle_lite_jni.so, созданный в результате компиляции, в каталоге java/so.
Замените библиотеку jni для архитектуры armeabi-v7a на файл libpaddle_lite_jni.so, созданный в результате компиляции, в каталоге java/src/main/jniLibs/armeabi-v7a.
Замените каталог заголовков include файлами, созданными в результате компиляции в каталоге cxx.
Замените динамическую библиотеку armv8 файлом libpaddle_light_api_shared.so, созданным в результате компиляции в каталоге cxx/libs.
Замените динамическую библиотеку armv7hf файлом libpaddle_light_api_shared.so, созданным в результате компиляции в каталоге cxx/libs.
iOS
Классификация изображений на основе MobileNetV1:
Обнаружение объектов на основе MobileNetV1-SSD:
Видеодемонстрационные ролики не предоставлены.Android
Классификация изображений на основе MobileNetV1:
— Результаты прогнозирования CPU (тестовая среда: Huawei Nova5):
* Изображение кошки:
* Клавиатура:
— Результаты прогнозирования NPU (тестовая среда: Huawei Nova5):
* Изображение кошки:
* Клавиатура:
Обнаружение объектов на основе MobileNetV1-SSD: — Результаты прогнозирования CPU (тестовая среда: Huawei Nova5): * Демонстрационные видеоролики не предоставлены. — Результаты прогнозирования NPU: Ожидается поддержка.
Распознавание лиц на основе Ultra-Light-Fast-Generic-Face-Detector-1MB:
— Результаты прогнозирования CPU (тестовая среда: Huawei Nova5):
— Результаты прогнозирования NPU: ожидается поддержка.
Сегментация лица на основе DeeplabV3+MobilNetV2: — Результаты прогнозирования CPU (тестовая среда: Huawei Nova5): Демонстрационные видеоролики не предоставлены.
Вы можете оставить комментарий после Вход в систему
Неприемлемый контент может быть отображен здесь и не будет показан на странице. Вы можете проверить и изменить его с помощью соответствующей функции редактирования.
Если вы подтверждаете, что содержание не содержит непристойной лексики/перенаправления на рекламу/насилия/вульгарной порнографии/нарушений/пиратства/ложного/незначительного или незаконного контента, связанного с национальными законами и предписаниями, вы можете нажать «Отправить» для подачи апелляции, и мы обработаем ее как можно скорее.
Комментарии ( 0 )