机器人涮火锅的博客

虽然在部署时就是调用Lite的API来进行模型推理，但在模型推理后一般还需要后处理等操作（如：nms，画出Bbox等），如果项目中只想使用简单且无需进一步处理的检测结果，或不想自己创建接口文件等，那么这里想到的一个方式就是打包成so库和jar包，以供其它项目直接调用。.........

本篇文章主要讲解部署Demo的代码，重要部分在代码中注释了。

本片文章首先从整体介绍Picodet_Detection_Demo 的代码结构，然后再从 Java 和 C++ 两部分简要的介绍 Demo 每部分功能。

本片文章主要介绍pp-picodet部署到Android系统需要准备的环境。

X2Paddle是飞桨生态下的模型转换工具，致力于帮助其它深度学习框架用户快速迁移至飞桨框架。目前支持推理模型的框架转换与PyTorch训练代码迁移，还提供了详细的不同框架间API对比文档，降低开发者上手飞桨核心的学习成本。目前已经支持Caffe/TensorFlow/ONNX/PyTorch的模型一键转为飞桨的预测模型，并使用PaddleInference/PaddleLite进行CPU/GPU/Arm等设备的部署；此外还支持PyTorch项目Python代码（包括训练、预测.........

PaddleDetection提供了Paddle Inference、Paddle Serving、Paddle-Lite多种部署形式，支持服务端、移动端、嵌入式等多种平台，提供了完善的Python和C++部署方案。Paddle Lite是飞桨轻量化推理引擎，为手机、IOT端提供高效推理能力，并广泛整合跨平台硬件，为端侧部署及应用落地问题提供轻量化的部署方案。本篇文章就是主要介绍paddlelite的使用。.........

本篇文章主要介绍如何用自己的数据集训练模型，然后评估和测试。

paddledetection训练模型主要可使用VOC格式和COCO格式的数据，本篇文章将重点介绍怎么按格式准备自己的数据集，以及如何将其他格式的数据集转成COCO格式。

本篇文章要介绍的是百度飞桨的轻量级目标检测PP-Picodet，PP-Picodet针对模型的速度、精度、体积和部署都作出了优化，并且确定显著的成果。

pp-picodet是基于百度飞桨paddlepaddle框架进行开发的，所以首先需要安装paddlepaddle框架，然后安装paddledetection项目,接着还需要安装IDE作为开发工具

适合无基础，纯小白，手把手教你安装Android Studio

已经打包好了so和jar，接下来就试一下能否正常使用

生成so库和jar包就能方便的调用了

把库的module作为app module的项目依赖，测试之前创建的库是否正常

这个部分的目的就是新建一个库，专门用来调用深度学习模型，然后将库打包起来供别人从java层调用这个库。因为jni中的函数名是有特殊要求的，它会指定jni的java接口的路径，如果不提供jar包，那么使用者就要按照我们在jni头文件中声明的函数名来建立java文件，这是几乎不可能的事情。..................

新建Android工程用于部署yolox模型

YOLOX部署到NCNN，在模型由onnx 转param后，需要对模型结构做一点修改

NCNN是腾讯公司开源的一个专为手机端极致优化的高性能神经网络前向计算框架。NCNN从设计之初，就深刻考虑手机端的部署和使用，无需第三方依赖，跨平台，手机端CPU的速度快于目前所有已知的开源框架。基于NCNN，开发者能够将深度学习算法轻松移植到手机端高效执行，开发出人工智能APP将AI带到你的指尖。..................

YOLOX模型训练

本文主要介绍基于pytorch深度学习框架训练yolox时的环境配置