129 lines
5.7 KiB
Markdown
129 lines
5.7 KiB
Markdown
# Visual Studio 2019 Community CMake 编译指南
|
||
|
||
Windows 平台下，我们使用`Visual Studio 2019 Community` 进行了测试。微软从`Visual Studio 2017`开始即支持直接管理`CMake`跨平台编译项目，但是直到`2019`才提供了稳定和完全的支持，所以如果你想使用CMake管理项目编译构建，我们推荐你使用`Visual Studio 2019`环境下构建。
|
||
|
||
|
||
## 前置条件
|
||
* Visual Studio 2019 (根据Paddle预测库所使用的VS版本选择，请参考 [Visual Studio 不同版本二进制兼容性](https://docs.microsoft.com/zh-cn/cpp/porting/binary-compat-2015-2017?view=vs-2019) )
|
||
* 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+ [CMake下载](https://cmake.org/download/)
|
||
|
||
请确保系统已经安装好上述基本软件，我们使用的是`VS2019`的社区版。
|
||
|
||
**下面所有示例以工作目录为 `D:\projects`演示**。
|
||
|
||
### Step1: 下载代码
|
||
|
||
下载源代码
|
||
```shell
|
||
git clone https://github.com/PaddlePaddle/PaddleDetection.git
|
||
```
|
||
|
||
**说明**：其中`C++`预测代码在`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/windows_cpp_inference.html)
|
||
|
||
解压后`D:\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
|
||
```
|
||
|
||
### Step3: 安装配置OpenCV
|
||
|
||
1. 在OpenCV官网下载适用于Windows平台的3.4.6版本， [下载地址](https://sourceforge.net/projects/opencvlibrary/files/3.4.6/opencv-3.4.6-vc14_vc15.exe/download)
|
||
2. 运行下载的可执行文件，将OpenCV解压至指定目录，如`D:\projects\opencv`
|
||
3. 配置环境变量，如下流程所示（如果使用全局绝对路径，可以不用设置环境变量）
|
||
- 我的电脑->属性->高级系统设置->环境变量
|
||
- 在系统变量中找到Path（如没有，自行创建），并双击编辑
|
||
- 新建，将opencv路径填入并保存，如`D:\projects\opencv\build\x64\vc14\bin`
|
||
|
||
### Step4: 编译
|
||
|
||
1. 进入到`cpp`文件夹
|
||
```
|
||
cd D:\projects\PaddleDetection\deploy\cpp
|
||
```
|
||
|
||
2. 使用CMake生成项目文件
|
||
|
||
编译参数的含义说明如下（带*表示仅在使用**GPU版本**预测库时指定, 其中CUDA库版本尽量对齐，**使用9.0、10.0版本，不使用9.2、10.1等版本CUDA库**）：
|
||
|
||
| 参数名 | 含义 |
|
||
| ---- | ---- |
|
||
| *CUDA_LIB | CUDA的库路径 |
|
||
| *CUDNN_LIB | CUDNN的库路径 |
|
||
| OPENCV_DIR | OpenCV的安装路径， |
|
||
| PADDLE_DIR | Paddle预测库的路径 |
|
||
| PADDLE_LIB_NAME | Paddle 预测库名称 |
|
||
|
||
**注意：** 1. 使用`CPU`版预测库，请把`WITH_GPU`的勾去掉 2. 如果使用的是`openblas`版本，请把`WITH_MKL`勾去掉
|
||
|
||
执行如下命令项目文件：
|
||
```
|
||
cmake . -G "Visual Studio 16 2019" -A x64 -T host=x64 -DWITH_GPU=ON -DWITH_MKL=ON -DCMAKE_BUILD_TYPE=Release -DCUDA_LIB=path_to_cuda_lib -DCUDNN_LIB=path_to_cudnn_lib -DPADDLE_DIR=path_to_paddle_lib -DPADDLE_LIB_NAME=paddle_inference -DOPENCV_DIR=path_to_opencv
|
||
```
|
||
|
||
例如：
|
||
```
|
||
cmake . -G "Visual Studio 16 2019" -A x64 -T host=x64 -DWITH_GPU=ON -DWITH_MKL=ON -DCMAKE_BUILD_TYPE=Release -DCUDA_LIB=D:\projects\packages\cuda10_0\lib\x64 -DCUDNN_LIB=D:\projects\packages\cuda10_0\lib\x64 -DPADDLE_DIR=D:\projects\packages\fluid_inference -DPADDLE_LIB_NAME=paddle_inference -DOPENCV_DIR=D:\projects\packages\opencv3_4_6
|
||
```
|
||
|
||
3. 编译
|
||
用`Visual Studio 16 2019`打开`cpp`文件夹下的`PaddleObjectDetector.sln`，将编译模式设置为`Release`，点击`生成`->`全部生成
|
||
|
||
|
||
### Step5: 预测及可视化
|
||
|
||
上述`Visual Studio 2019`编译产出的可执行文件在`out\build\x64-Release`目录下，打开`cmd`，并切换到该目录：
|
||
|
||
```
|
||
cd D:\projects\PaddleDetection\deploy\cpp\out\build\x64-Release
|
||
```
|
||
可执行文件`main`即为样例的预测程序，其主要的命令行参数如下：
|
||
|
||
| 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**：
|
||
（1）如果同时设置了`video_path`和`image_path`，程序仅预测`video_path`。
|
||
（2）如果提示找不到`opencv_world346.dll`，把`D:\projects\packages\opencv3_4_6\build\x64\vc14\bin`文件夹下的`opencv_world346.dll`拷贝到`main.exe`文件夹下即可。
|
||
|
||
|
||
`样例一`：
|
||
```shell
|
||
#不使用`GPU`测试图片 `D:\\images\\test.jpeg`
|
||
.\main --model_dir=D:\\models\\yolov3_darknet --image_path=D:\\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`测试视频 `D:\\videos\\test.mp4`
|
||
.\main --model_dir=D:\\models\\yolov3_darknet --video_path=D:\\videos\\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)
|