基于OpenVINO的推理-Linux环境编译

本文档指引用户如何基于OpenVINO对飞桨模型进行推理，并编译执行。进行以下编译操作前请先安装好OpenVINO，OpenVINO安装请参考官网OpenVINO-Linux

注意：

我们测试的openvino版本为2021.3，如果你使用其它版本遇到问题，可以尝试切换到该版本
当前检测模型转换为openvino格式是有问题的，暂时只支持分割和分类模型

1 准备模型

以ResNet50为例：

1.1 导出Paddle Inference模型

通过PaddleClas模型部署指南得到Paddle Inference类型的ResNet50模型，其他套件模型请参考：PaddleDetection模型部署指南、PaddleSeg模型部署指南

下载的ResNet50解压后的目录结构如下：

ResNet50
  |-- model.pdiparams        # 静态图模型参数
  |-- model.pdiparams.info   # 参数额外信息，一般无需关注
  |-- model.pdmodel          # 静态图模型文件
  |-- resnet50_imagenet.yml  # 配置文件

1.2 转换为ONNX模型

将paddle inference模型转为onnx模型，详细可参考Paddle2ONNX文档

ResNet50模型转换如下，转换后模型输出在 onnx_models/resnet50_onnx/model.onnx

# model_dir需要ResNet50解压后的路径
paddle2onnx --model_dir ResNet50  --save_file onnx_models/resnet50_onnx/model.onnx  --opset_version 9 --enable_onnx_checker True --model_filename model.pdmodel --params_filename model.pdiparams

1.3 转换为openvino模型

将onnx模型转为openvino模型，详细可参考官网文档转换onnx模型

以上文的ResNet50模型为例，转换指令如下:

# 使用mo.py 也可以
mo_onnx.py --input_model onnx_models/resnet50_onnx/model.onnx --output_dir openvino_model/resnet50 --input_shape \[1\,3\,224\,224\]

转换后的openvino_model/resnet50目录下会出现三个文件，目录结构如下：

resnet50
├── ResNet50.bin
├── ResNet50.mapping
└── ResNet50.xml

注意：

留意模型转换的输出，比如转换onnx时根据提示调整opset_version的值
paddle inference模型中的配置文件(如 resnet50_imagenet.yml)包含了前后处理、标签等信息，对转换后的openvino模型进行推理时还会用到。

编译步骤

Step 1. 获取部署代码

git clone https://github.com/PaddlePaddle/PaddleX.git
cd PaddleX/deploy/cpp

说明：C++预测代码在PaddleX/deploy/cpp 目录，该目录不依赖任何PaddleX下其他目录。所有的推理实现代码在model_deploy目录下，所有示例代码都在demo目录下，script目录为编译脚本。

Step 2. 修改编译参数

Step 4. 编译

修改完openvino_build.sh后执行编译， [注意]: 以下命令在PaddleX/deploy/cpp目录下进行执行

sh scripts/onnx/openvino_build.sh

编译环境无法联网导致编译失败？

编译过程，会联网下载opencv、gflag，如无法联网，用户按照下操作手动下载

根据系统版本，点击右侧链接下载不同版本的opencv依赖 Ubuntu 16.04/Ubuntu 18.04

解压下载的opencv依赖（解压后目录名为opencv3.4.6gcc4.8ffmpeg)，创建目录PaddleX/deploy/cpp/deps，将解压后的目录拷贝至该创建的目录下

点击下载gflags依赖包，解压至deps目录

Step 5. 编译结果

编译后会在PaddleX/deploy/cpp/build/demo目录下生成model_infer 可执行二进制文件示例，用于加载模型进行预测。以上面转换的ResNet50模型为例，运行指令如下：

./build/demo/model_infer --xml_file openvino_model/resnet50/ResNet50_vd.xml --bin_file openvino_model/resnet50/ResNet50_vd.bin --cfg_file openvino_model/resnet50/resnet50_imagenet.yml --model_type clas --image test.jpeg

参数说明

参数名称	含义
xml_file	openvino转换的xml模型文件
bin_file	openvino转换的xml模型文件
cfg_file	Paddle套件导出的模型配置文件，如`resnet50/deploy.yml`
image	需要预测的单张图片的文件路径
model_type	模型来源，det/seg/clas/paddlex，分别表示模型来源于PaddleDetection、PaddleSeg、PaddleClas和PaddleX

openvino_linux.md 5.8 KB 文件歷史 原始文件