PaddleDetection模型导出教程

一、模型导出

本章节介绍如何使用tools/export_model.py脚本导出模型。

1、导出模输入输出说明

输入变量以及输入形状如下：

| 输入名称 | 输入形状 | 表示含义 | | :---------: | ----------- | ---------- | | image | [None, 3, H, W] | 输入网络的图像，None表示batch维度，如果输入图像大小为变长，则H,W为None | | im_shape | [None, 2] | 图像经过resize后的大小，表示为H,W, None表示batch维度 | | scale_factor | [None, 2] | 输入图像大小比真实图像大小，表示为scale_y, scale_x |

注意具体预处理方式可参考配置文件中TestReader部分。

PaddleDetection中动转静导出模型输出统一为：
- bbox, NMS的输出，形状为[N, 6], 其中N为预测框的个数，6为[class_id, score, x1, y1, x2, y2]。
- bbox_num, 每张图片对应预测框的个数，例如batch_size为2，输出为[N1, N2], 表示第一张图包含N1个预测框，第二张图包含N2个预测框，并且预测框的总个数和NMS输出的第一维N相同
- mask，如果网络中包含mask，则会输出mask分支

注意模型动转静导出不支持模型结构中包含numpy相关操作的情况。

2、启动参数说明

FLAG	用途	默认值	备注
-c	指定配置文件	None
--output_dir	模型保存路径	`./output_inference`	模型默认保存在`output/配置文件名/`路径下

3、使用示例

使用训练得到的模型进行试用，脚本如下

# 导出YOLOv3模型
python tools/export_model.py -c configs/yolov3/yolov3_darknet53_270e_coco.yml --output_dir=./inference_model \
 -o weights=weights/yolov3_darknet53_270e_coco.pdparams

预测模型会导出到inference_model/yolov3_darknet53_270e_coco目录下，分别为infer_cfg.yml, model.pdiparams, model.pdiparams.info, model.pdmodel。

4、设置导出模型的输入大小

使用Fluid-TensorRT进行预测时，由于<=TensorRT 5.1的版本仅支持定长输入，保存模型的data层的图片大小需要和实际输入图片大小一致。而Fluid C++预测引擎没有此限制。设置TestReader中的image_shape可以修改保存模型中的输入图片大小。示例如下:

# 导出YOLOv3模型，输入是3x640x640
python tools/export_model.py -c configs/yolov3/yolov3_darknet53_270e_coco.yml --output_dir=./inference_model \
 -o weights=weights/yolov3_darknet53_270e_coco.pdparams TestReader.inputs_def.image_shape=[3,640,640]

EXPORT_MODEL.md 2.7 KB Постоянная ссылка История Исходник