|
|
@@ -15,23 +15,31 @@
|
|
|
您可以使用命令行将图片的类别分出来，命令行使用方式如下：
|
|
|
|
|
|
```bash
|
|
|
-paddlex --pipeline image_classification --model PP-LCNet_x1_0 --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_image_classification_001.jpg
|
|
|
+paddlex --pipeline image_classification --model PP-LCNet_x1_0 --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_image_classification_001.jpg --device gpu:0
|
|
|
```
|
|
|
参数解释：
|
|
|
- `pipeline`: 产线名称，当前支持的产线名称有 `image_classification`、`object_detection`、`semantic_segmentation`、`instance_segmentation`、`OCR`。
|
|
|
- `model`: 模型名称，每个产线支持的模型名称不同，请参考 [PaddleX 模型库](../models/support_model_list.md)。对于多模型组合的产线，需要指定多个模型名称，以空格分隔。
|
|
|
- `input`: 输入图片路径或 URL。
|
|
|
-
|
|
|
+- `device`：训练设备，可选`cpu`、`gpu`、`xpu`、`npu`、`mlu`，除 cpu 外，可指定卡号，如：`gpu:0`。
|
|
|
|
|
|
**Python API 使用方式**
|
|
|
|
|
|
|
|
|
```python
|
|
|
+from pathlib import Path
|
|
|
from paddlex import ClsPipeline
|
|
|
from paddlex import PaddleInferenceOption
|
|
|
|
|
|
+# 实例化 PaddleInferenceOption 设置推理配置
|
|
|
+kernel_option = PaddleInferenceOption()
|
|
|
+kernel_option.set_device("gpu:0")
|
|
|
+
|
|
|
model_name = "PP-LCNet_x1_0"
|
|
|
-pipeline = ClsPipeline(model_name, kernel_option=PaddleInferenceOption())
|
|
|
+output_base = Path("output")
|
|
|
+output = output_base / model_name
|
|
|
+
|
|
|
+pipeline = ClsPipeline(model_name, output=output, kernel_option=kernel_option)
|
|
|
result = pipeline.predict(
|
|
|
{'input_path': "https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_image_classification_001.jpg"}
|
|
|
)
|
|
|
@@ -49,13 +57,14 @@ print(result["cls_result"])
|
|
|
您可以使用命令行将图片中的目标检测出来，命令行使用方式如下：
|
|
|
|
|
|
```bash
|
|
|
-paddlex --pipeline object_detection --model RT-DETR-L --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_object_detection_002.png
|
|
|
+paddlex --pipeline object_detection --model RT-DETR-L --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_object_detection_002.png --device gpu:0
|
|
|
|
|
|
```
|
|
|
参数解释：
|
|
|
- `pipeline`: 产线名称，当前支持的产线名称有 `image_classification`、`object_detection`、`semantic_segmentation`、`instance_segmentation`、`OCR`。
|
|
|
- `model`: 模型名称，每个产线支持的模型名称不同，请参考 [PaddleX 模型库](../models/support_model_list.md)。对于多模型组合的产线，需要指定多个模型名称，以空格分隔。
|
|
|
- `input`: 输入图片路径或 URL。
|
|
|
+- `device`：训练设备，可选`cpu`、`gpu`、`xpu`、`npu`、`mlu`，除 cpu 外，可指定卡号，如：`gpu:0`。
|
|
|
|
|
|
**Python API 使用方式**
|
|
|
|
|
|
@@ -64,15 +73,18 @@ from pathlib import Path
|
|
|
from paddlex import DetPipeline
|
|
|
from paddlex import PaddleInferenceOption
|
|
|
|
|
|
+# 实例化 PaddleInferenceOption 设置推理配置
|
|
|
+kernel_option = PaddleInferenceOption()
|
|
|
+kernel_option.set_device("gpu:0")
|
|
|
+
|
|
|
model_name = "RT-DETR-L"
|
|
|
output_base = Path("output")
|
|
|
-
|
|
|
output = output_base / model_name
|
|
|
-pipeline = DetPipeline(model_name, output=output, kernel_option=PaddleInferenceOption())
|
|
|
+
|
|
|
+pipeline = DetPipeline(model_name, output=output, kernel_option=kernel_option)
|
|
|
result = pipeline.predict(
|
|
|
{"input_path": "https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_object_detection_002.png"})
|
|
|
print(result["boxes"])
|
|
|
-
|
|
|
```
|
|
|
|
|
|
|
|
|
@@ -86,13 +98,14 @@ print(result["boxes"])
|
|
|
您可以使用命令行将图片的语义信息分割出来，命令行使用方式如下：
|
|
|
|
|
|
```bash
|
|
|
-paddlex --pipeline semantic_segmentation --model OCRNet_HRNet-W48 --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_semantic_segmentation_002.png
|
|
|
+paddlex --pipeline semantic_segmentation --model OCRNet_HRNet-W48 --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_semantic_segmentation_002.png --device gpu:0
|
|
|
|
|
|
```
|
|
|
参数解释：
|
|
|
- `pipeline`: 产线名称，当前支持的产线名称有 `image_classification`、`object_detection`、`semantic_segmentation`、`instance_segmentation`、`OCR`。
|
|
|
- `model`: 模型名称，每个产线支持的模型名称不同，请参考 [PaddleX 模型库](../models/support_model_list.md)。对于多模型组合的产线，需要指定多个模型名称，以空格分隔。
|
|
|
- `input`: 输入图片路径或 URL。
|
|
|
+- `device`：训练设备，可选`cpu`、`gpu`、`xpu`、`npu`、`mlu`，除 cpu 外，可指定卡号，如：`gpu:0`。
|
|
|
|
|
|
**Python API 使用方式**
|
|
|
|
|
|
@@ -101,16 +114,19 @@ from pathlib import Path
|
|
|
from paddlex import SegPipeline
|
|
|
from paddlex import PaddleInferenceOption
|
|
|
|
|
|
+# 实例化 PaddleInferenceOption 设置推理配置
|
|
|
+kernel_option = PaddleInferenceOption()
|
|
|
+kernel_option.set_device("gpu:0")
|
|
|
|
|
|
-model_name = "OCRNet_HRNet-W48",
|
|
|
+model_name = "OCRNet_HRNet-W48"
|
|
|
output_base = Path("output")
|
|
|
output = output_base / model_name
|
|
|
-pipeline = SegPipeline(model_name, output=output, kernel_option=PaddleInferenceOption())
|
|
|
+
|
|
|
+pipeline = SegPipeline(model_name, output=output, kernel_option=kernel_option)
|
|
|
result = pipeline.predict(
|
|
|
{"input_path": "https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_semantic_segmentation_002.png"}
|
|
|
)
|
|
|
print(result["seg_map"])
|
|
|
-
|
|
|
```
|
|
|
|
|
|
### 2.4 通用实例分割产线
|
|
|
@@ -123,13 +139,14 @@ print(result["seg_map"])
|
|
|
您可以使用命令行将图片中的实例分割出来，命令行使用方式如下：
|
|
|
|
|
|
```bash
|
|
|
-paddlex --pipeline instance_segmentation --model Mask-RT-DETR-L --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_instance_segmentation_004.png
|
|
|
+paddlex --pipeline instance_segmentation --model Mask-RT-DETR-L --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_instance_segmentation_004.png --device gpu:0
|
|
|
|
|
|
```
|
|
|
参数解释：
|
|
|
- `pipeline`: 产线名称，当前支持的产线名称有 `image_classification`、`object_detection`、`semantic_segmentation`、`instance_segmentation`、`OCR`。
|
|
|
- `model`: 模型名称，每个产线支持的模型名称不同，请参考 [PaddleX 模型库](../models/support_model_list.md)。对于多模型组合的产线，需要指定多个模型名称，以空格分隔。
|
|
|
- `input`: 输入图片路径或 URL。
|
|
|
+- `device`：训练设备，可选`cpu`、`gpu`、`xpu`、`npu`、`mlu`，除 cpu 外，可指定卡号，如：`gpu:0`。
|
|
|
|
|
|
**Python API 使用方式**
|
|
|
|
|
|
@@ -138,15 +155,18 @@ from pathlib import Path
|
|
|
from paddlex import InstanceSegPipeline
|
|
|
from paddlex import PaddleInferenceOption
|
|
|
|
|
|
+# 实例化 PaddleInferenceOption 设置推理配置
|
|
|
+kernel_option = PaddleInferenceOption()
|
|
|
+kernel_option.set_device("gpu:0")
|
|
|
+
|
|
|
model_name = "Mask-RT-DETR-L"
|
|
|
output_base = Path("output")
|
|
|
-
|
|
|
output = output_base / model_name
|
|
|
-pipeline = InstanceSegPipeline(model_name, output=output, kernel_option=PaddleInferenceOption())
|
|
|
+
|
|
|
+pipeline = InstanceSegPipeline(model_name, output=output, kernel_option=kernel_option)
|
|
|
result = pipeline.predict(
|
|
|
{"input_path": "https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_instance_segmentation_004.png"})
|
|
|
print(result["boxes"])
|
|
|
-
|
|
|
```
|
|
|
|
|
|
### 2.5 OCR 产线
|
|
|
@@ -158,13 +178,14 @@ OCR 产线内置了 PP-OCRv4 模型，包括文本检测和文本识别两个部
|
|
|
您可以使用命令行将图片的文字识别出来，命令行使用方式如下：
|
|
|
|
|
|
```bash
|
|
|
-paddlex --pipeline OCR --model PP-OCRv4_mobile_det PP-OCRv4_mobile_rec --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png
|
|
|
+paddlex --pipeline OCR --model PP-OCRv4_mobile_det PP-OCRv4_mobile_rec --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png --device gpu:0
|
|
|
```
|
|
|
参数解释：
|
|
|
- `pipeline`: 产线名称，当前支持的产线名称有 `image_classification`、`object_detection`、`semantic_segmentation`、`instance_segmentation`、`OCR`。
|
|
|
- `model`: 模型名称，每个产线支持的模型名称不同，请参考 [PaddleX 模型库](../models/support_model_list.md)。对于多模型组合的产线，需要指定多个模型名称，以空格分隔。
|
|
|
- `input`: 输入图片路径或 URL。
|
|
|
-</details>
|
|
|
+- `device`：训练设备，可选`cpu`、`gpu`、`xpu`、`npu`、`mlu`，除 cpu 外，可指定卡号，如：`gpu:0`。
|
|
|
+
|
|
|
|
|
|
**Python API 使用方式**
|
|
|
|
|
|
@@ -172,13 +193,17 @@ paddlex --pipeline OCR --model PP-OCRv4_mobile_det PP-OCRv4_mobile_rec --input h
|
|
|
import cv2
|
|
|
from paddlex import OCRPipeline
|
|
|
from paddlex import PaddleInferenceOption
|
|
|
-from paddlex.pipelines.PPOCR.utils import draw_ocr_box_txt
|
|
|
+from paddlex.pipelines.OCR.utils import draw_ocr_box_txt
|
|
|
+
|
|
|
+# 实例化 PaddleInferenceOption 设置推理配置
|
|
|
+kernel_option = PaddleInferenceOption()
|
|
|
+kernel_option.set_device("gpu:0")
|
|
|
|
|
|
pipeline = OCRPipeline(
|
|
|
'PP-OCRv4_mobile_det',
|
|
|
'PP-OCRv4_mobile_rec',
|
|
|
- text_det_kernel_option=PaddleInferenceOption(),
|
|
|
- text_rec_kernel_option=PaddleInferenceOption(),)
|
|
|
+ text_det_kernel_option=kernel_option,
|
|
|
+ text_rec_kernel_option=kernel_option,)
|
|
|
result = pipeline.predict(
|
|
|
{"input_path": "https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png"},
|
|
|
)
|
cuicheng01