Skip to content

Latest commit

 

History

History
31 lines (26 loc) · 1.66 KB

File metadata and controls

31 lines (26 loc) · 1.66 KB

English | 简体中文

YOLOv6量化模型 Python部署示例

本目录下提供的infer.py,可以帮助用户快速完成YOLOv6量化模型在CPU/GPU上的部署推理加速.

部署准备

FastDeploy环境准备

量化模型准备

    1. 用户可以直接使用由FastDeploy提供的量化模型进行部署.
    1. 用户可以使用FastDeploy提供的一键模型自动化压缩工具,自行进行模型量化, 并使用产出的量化模型进行部署.

以量化后的YOLOv6s模型为例, 进行部署

#下载部署示例代码
git clone https://github.com/PaddlePaddle/FastDeploy.git
cd examples/slim/yolov6/python

#下载FastDeloy提供的yolov6s量化模型文件和测试图片
wget https://bj.bcebos.com/paddlehub/fastdeploy/yolov6s_qat_model_new.tar
tar -xvf yolov6s_qat_model.tar
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg

# 在CPU上使用ONNX Runtime推理量化模型
python infer.py --model yolov6s_qat_model --image 000000014439.jpg --device cpu --backend ort
# 在GPU上使用TensorRT推理量化模型
python infer.py --model yolov6s_qat_model --image 000000014439.jpg --device gpu --backend trt
# 在GPU上使用Paddle-TensorRT推理量化模型
python infer.py --model yolov6s_qat_model --image 000000014439.jpg --device gpu --backend pptrt