130 lines
4.8 KiB
Markdown
130 lines
4.8 KiB
Markdown
# Linux平台编译指南
|
||
|
||
## 说明
|
||
本文档在 `Linux`平台使用`GCC 8.2`测试过，如果需要使用其他G++版本编译使用，则需要重新编译Paddle预测库，请参考: [从源码编译Paddle预测库](https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/advanced_guide/inference_deployment/inference/build_and_install_lib_cn.html)。本文档使用的预置的opencv库是在ubuntu 16.04上用gcc4.8编译的，如果需要在ubuntu 16.04以外的系统环境编译，那么需自行编译opencv库。
|
||
|
||
## 前置条件
|
||
* G++ 8.2
|
||
* CUDA 9.0 / CUDA 10.0, cudnn 7+ （仅在使用GPU版本的预测库时需要）
|
||
* CMake 3.0+
|
||
|
||
请确保系统已经安装好上述基本软件，**下面所有示例以工作目录为 `/root/projects/`演示**。
|
||
|
||
### Step1: 下载代码
|
||
|
||
`git clone https://github.com/PaddlePaddle/PaddleDetection.git`
|
||
|
||
**说明**：其中`C++`预测代码在`/root/projects/PaddleDetection/deploy/cpp` 目录，该目录不依赖任何`PaddleDetection`下其他目录。
|
||
|
||
|
||
### Step2: 下载PaddlePaddle C++ 预测库 fluid_inference
|
||
|
||
PaddlePaddle C++ 预测库针对不同的`CPU`和`CUDA`版本提供了不同的预编译版本，请根据实际情况下载: [C++预测库下载列表](https://www.paddlepaddle.org.cn/documentation/docs/zh/guides/05_inference_deployment/inference/build_and_install_lib_cn.html)
|
||
|
||
|
||
下载并解压后`/root/projects/fluid_inference`目录包含内容为：
|
||
```
|
||
fluid_inference
|
||
├── paddle # paddle核心库和头文件
|
||
|
|
||
├── third_party # 第三方依赖库和头文件
|
||
|
|
||
└── version.txt # 版本和编译信息
|
||
```
|
||
|
||
**注意:** 预编译版本除`nv-jetson-cuda10-cudnn7.5-trt5` 以外其它包都是基于`GCC 4.8.5`编译，使用高版本`GCC`可能存在 `ABI`兼容性问题，建议降级或[自行编译预测库](https://www.paddlepaddle.org.cn/documentation/docs/zh/advanced_guide/inference_deployment/inference/build_and_install_lib_cn.html)。
|
||
|
||
|
||
### Step4: 编译
|
||
|
||
编译`cmake`的命令在`scripts/build.sh`中，请根据实际情况修改主要参数，其主要内容说明如下：
|
||
|
||
```
|
||
# 是否使用GPU(即是否使用 CUDA)
|
||
WITH_GPU=OFF
|
||
|
||
# 使用MKL or openblas
|
||
WITH_MKL=ON
|
||
|
||
# 是否集成 TensorRT(仅WITH_GPU=ON 有效)
|
||
WITH_TENSORRT=OFF
|
||
|
||
# TensorRT 的include路径
|
||
TENSORRT_LIB_DIR=/path/to/TensorRT/include
|
||
|
||
# TensorRT 的lib路径
|
||
TENSORRT_LIB_DIR=/path/to/TensorRT/lib
|
||
|
||
# Paddle 预测库路径
|
||
PADDLE_DIR=/path/to/fluid_inference
|
||
|
||
# Paddle 预测库名称
|
||
PADDLE_LIB_NAME=paddle_inference
|
||
|
||
# CUDA 的 lib 路径
|
||
CUDA_LIB=/path/to/cuda/lib
|
||
|
||
# CUDNN 的 lib 路径
|
||
CUDNN_LIB=/path/to/cudnn/lib
|
||
|
||
# 请检查以上各个路径是否正确
|
||
|
||
# 以下无需改动
|
||
cmake .. \
|
||
-DWITH_GPU=${WITH_GPU} \
|
||
-DWITH_MKL=${WITH_MKL} \
|
||
-DWITH_TENSORRT=${WITH_TENSORRT} \
|
||
-DTENSORRT_LIB_DIR=${TENSORRT_LIB_DIR} \
|
||
-DTENSORRT_INC_DIR=${TENSORRT_INC_DIR} \
|
||
-DPADDLE_DIR=${PADDLE_DIR} \
|
||
-DCUDA_LIB=${CUDA_LIB} \
|
||
-DCUDNN_LIB=${CUDNN_LIB} \
|
||
-DOPENCV_DIR=${OPENCV_DIR} \
|
||
-DPADDLE_LIB_NAME={PADDLE_LIB_NAME}
|
||
make
|
||
|
||
```
|
||
|
||
修改脚本设置好主要参数后，执行`build`脚本：
|
||
```shell
|
||
sh ./scripts/build.sh
|
||
```
|
||
|
||
**注意**: OPENCV依赖OPENBLAS，Ubuntu用户需确认系统是否已存在`libopenblas.so`。如未安装，可执行apt-get install libopenblas-dev进行安装。
|
||
|
||
### Step5: 预测及可视化
|
||
编译成功后，预测入口程序为`build/main`其主要命令参数说明如下：
|
||
| 参数 | 说明 |
|
||
| ---- | ---- |
|
||
| --model_dir | 导出的预测模型所在路径 |
|
||
| --image_path | 要预测的图片文件路径 |
|
||
| --video_path | 要预测的视频文件路径 |
|
||
| --camera_id | Option | 用来预测的摄像头ID，默认为-1（表示不使用摄像头预测）|
|
||
| --use_gpu | 是否使用 GPU 预测, 支持值为0或1(默认值为0)|
|
||
| --gpu_id | 指定进行推理的GPU device id(默认值为0)|
|
||
| --run_mode | 使用GPU时，默认为fluid, 可选（fluid/trt_fp32/trt_fp16/trt_int8）|
|
||
| --run_benchmark | 是否重复预测来进行benchmark测速 ｜
|
||
| --output_dir | 输出图片所在的文件夹, 默认为output ｜
|
||
|
||
**注意**: 如果同时设置了`video_path`和`image_path`，程序仅预测`video_path`。
|
||
|
||
|
||
`样例一`：
|
||
```shell
|
||
#不使用`GPU`测试图片 `/root/projects/images/test.jpeg`
|
||
./build/main --model_dir=/root/projects/models/yolov3_darknet --image_path=/root/projects/images/test.jpeg
|
||
```
|
||
|
||
图片文件`可视化预测结果`会保存在当前目录下`output.jpg`文件中。
|
||
|
||
|
||
`样例二`:
|
||
```shell
|
||
#使用 `GPU`预测视频`/root/projects/videos/test.mp4`
|
||
./build/main --model_dir=/root/projects/models/yolov3_darknet --video_path=/root/projects/images/test.mp4 --use_gpu=1
|
||
```
|
||
视频文件目前支持`.mp4`格式的预测，`可视化预测结果`会保存在当前目录下`output.mp4`文件中。
|
||
|
||
## 性能测试
|
||
benchmark请查看[BENCHMARK_INFER](../../BENCHMARK_INFER.md)
|