PaddleVideo:onnx模型导出

本文详细介绍了如何将PP-TSM模型从Paddle框架转换为ONNX格式,并使用ONNXRuntime进行预测,展示了模型转换过程和两者结果的一致性。
摘要由CSDN通过智能技术生成

本文节介绍 PP-TSM 模型如何转化为 ONNX 模型,并基于 ONNX 引擎预测。

1:环境准备

  • 安装 Paddle2ONNX
python -m pip install paddle2onnx

  • 安装 ONNXRuntime
# 建议安装 1.9.0 版本,可根据环境更换版本号
python -m pip install onnxruntime==1.9.0

2:模型转换

paddle2onnx \
--model_dir=output/ppTSMv2_inference \
--model_filename=ppTSMv2.pdmodel \
--params_filename=ppTSMv2.pdiparams \
--save_file=output/ppTSMv2_inference/ppTSMv2.onnx \
--opset_version=10 \
--enable_onnx_checker=True

3:模型预测

onnx 推理

python deploy/paddle2onnx/predict_onnx.py \
--input_file data/example.avi \
--config configs/recognition/pptsm/v2/pptsm_lcnet_ucf101_8frames_uniform.yaml \
--onnx_file=output/ppTSMv2_inference/ppTSMv2.onnx

paddle 推理

python tools/predict.py --input_file data/example.avi \
                           --config configs/recognition/pptsm/v2/pptsm_lcnet_ucf101_8frames_uniform.yaml \
                           --model_file output/ppTSMv2_inference/ppTSMv2.pdmodel \
                           --params_file output/ppTSMv2_inference/ppTSMv2.pdiparams \
                           --use_gpu=True \
                           --use_tensorrt=False

可以看出onnx结果与Paddle 推理结果完全一致。

参考链接

1:PaddleVideo/deploy/paddle2onnx at develop · PaddlePaddle/PaddleVideo · GitHubAwesome video understanding toolkits based on PaddlePaddle. It supports video data annotation tools, lightweight RGB and skeleton based action recognition model, practical applications for video tagging and sport action detection. - PaddleVideo/deploy/paddle2onnx at develop · PaddlePaddle/PaddleVideoicon-default.png?t=N7T8https://github.com/PaddlePaddle/PaddleVideo/tree/develop/deploy/paddle2onnx

  • 5
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

微风❤水墨

你的鼓励是我最大的动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值