01下载套件
!git clone https://gitee.com/paddlepaddle/PaddleDetection.git -b release/2.4
02安装依赖环境
%cd PaddleDetection/
!pip install -r requirements.txt
%cd ..
03解压数据集
!unzip -oq /home/aistudio/data/data121670/Big.zip -d /home/aistudio/data
04修改配置文件
修改训练参数
05训练
!python /home/aistudio/PaddleDetection/tools/train.py \
-c /home/aistudio/PaddleDetection/configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco.yml
06模型评估
评价训练好的模型在测试集的识别效果
!python -u /home/aistudio/PaddleDetection/tools/eval.py \
-c /home/aistudio/PaddleDetection/configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco.yml \
-o weights=/home/aistudio/output/cascade_rcnn_r50_fpn_1x_coco/model_final
07推理
!python /home/aistudio/PaddleDetection/tools/infer.py \
-c /home/aistudio/PaddleDetection/configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco.yml \
--draw_threshold=0.7 \
--infer_dir=test \
--output_dir=toolinfer \
--use_vdl=True \
--save_txt=True \
-o weights=/home/aistudio/output/cascade_rcnn_r50_fpn_1x_coco/model_final.pdparams
08导出模型
训练导出的模型包含前向传播和后向传播两个过程,而部署推理只需要前向传播的推理过程,所以将训练好的模型进行处理然后导出。
!python -u /home/aistudio/PaddleDetection/tools/export_model.py \
-c /home/aistudio/PaddleDetection/configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco.yml \
--output_dir=/home/aistudio/inference_model \
-o weights=/home/aistudio/output/cascade_rcnn_r50_fpn_1x_coco/model_final
09python推理部署
使用导出后模型完成推理任务。
!python /home/aistudio/PaddleDetection/deploy/python/infer.py \
--model_dir=/home/aistudio/inference_model/cascade_rcnn_r50_fpn_1x_coco \
--image_dir=/home/aistudio/test \
--output_dir=/home/aistudio/zhengshi \
--device=GPU \
--threshold=0.5