Python 预测推理

首先请参考文档环境准备配置运行环境。

目录

• 1. 图像分类模型推理

1. 图像分类推理

首先请参考文档模型导出准备 inference 模型，然后进入 PaddleClas 的 deploy 目录下：

cd PaddleClas/deploy

使用以下命令进行预测：

python3.7 python/predict_cls.py -c configs/inference_cls.yaml

在配置文件 configs/inference_cls.yaml 中有以下字段用于配置预测参数：

• Global.infer_imgs：待预测的图片文件（夹）路径；
• Global.inference_model_dir：inference 模型文件所在文件夹的路径，该文件夹下需要有文件 inference.pdmodel 和 inference.pdiparams 两个文件；
• Global.use_gpu：是否使用 GPU 预测，默认为 True；
• Global.enable_mkldnn：是否启用 MKL-DNN 加速库，默认为 False。注意 enable_mkldnn 与 use_gpu 同时为 True 时，将忽略 enable_mkldnn，而使用 GPU 预测；
• Global.use_fp16：是否启用 FP16，默认为 False；
• Global.use_tensorrt：是否使用 TesorRT 预测引擎，默认为 False；
• PreProcess：用于数据预处理配置；
• PostProcess：由于后处理配置；
• PostProcess.Topk.class_id_map_file：数据集 label 的映射文件，默认为 ../ppcls/utils/imagenet1k_label_list.txt，该文件为 PaddleClas 所使用的 ImageNet 数据集 label 映射文件。

注意:

• 如果使用 VisionTransformer 系列模型，如 DeiT_***_384, ViT_***_384 等，请注意模型的输入数据尺寸，该类模型需要修改参数： PreProcess.resize_short=384, PreProcess.resize=384。
• 如果你希望提升评测模型速度，使用 GPU 评测时，建议开启 TensorRT 加速预测，使用 CPU 评测时，建议开启 MKL-DNN 加速预测。