Windows:PaddleClas全流程文档（三）

最新推荐文章于 2024-08-07 10:33:54 发布

TTZO

最新推荐文章于 2024-08-07 10:33:54 发布

阅读量1k

点赞数

分类专栏： paddle飞桨文章标签：深度学习

本文链接：https://blog.csdn.net/qq_38758774/article/details/115042959

版权

paddle飞桨专栏收录该内容

10 篇文章 6 订阅

订阅专栏

PaddleClas全流程文档（三）：主要介绍Windows下如何C++编译，如何使用cmake生成sln解决方案，编译出exe预测程序文件，以及dll库，用于python和C#调用预测

项目地址：PaddleClas全流程文档（三）

上一篇部署二，Serving服务，下一篇部署四，传参调用DLL

一、如何进行C++预测代码的编译（生成.sln解决方案，exe方案）

1.1准备

工具：Cmake，VS2019社区版， Git（三个安装包已载入到项目）
依赖库：
Opencv （3.4.6版，已载入到项目 opencv-3.4.6-vc14_vc15.exe，解压时目录要和预测库放在一个目录下）
Paddle预测库（Windows cuda10 paddle2.0版，paddle_inference_install_dir.zip，需要自行下载）
PaddleClas：（release2.0版）

Aistudio截图：

1.2 将依赖库和预测代码存放在一个目录下

Opencv打开后会显示解压路径，选择或者新建一个文件夹（之后的预测库和Clas都会放在该目录下）

1.3 将opencv添加到环境变量

打开opencv目录，把opencv路径下的的opencv\build\x64\vc14\bin 路径添加到path环境变量中：
环境变量打开方式：右键计算机图标->高级系统设置->高级->环境变量
编辑系统变量 path：添加变量值“G:\projects\opencv\build\x64\vc14\bin”，确定

1.4 利用Cmake软件进行编译

在Windows搜索栏输入Cmake打开Cmake gui（如果没有请重新安装下，安装包见1.1章节）

点击configure，选择vs2019 X64选项后，点击Generate

然后会发现报错：如下：

根据报错进行修改，主要修改cuda_lib、cudnn_lib、opencv、paddle_dir路径（双击修改）

CUDA_LIB:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
CUDNN_LIB:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
OPENCV:G:\projects\opencv
PADDLE_DIR:G:\projects\paddle_inference_install_dir

修改完成，再次点击 Generate，表示生成sln解决方案。

----------------------------------------------------------------------------------------------------------------------------------------------------------------

如果出现错误，请检查各路径是否正确，以及预测库对应版本是否正确

----------------------------------------------------------------------------------------------------------------------------------------------------------------

1.5 生成exe文件

当显示Generating done 后点击open Project（已经安装好vs2019）打开sln解决方案

打开后需要重新生成解决方案，同时把debug改为release：

生成可能会有段时间，稍等一会，有如下显示表示生成完成

1.6 使用exe文件预测

当我们使用vs重新生成完成后，会发现 out目录下面有一个release文件文件夹，该文件夹下是我们刚才生成的 clas_system.exe 文件：

接下来，我们使用该exe来预测图片：

预测前需要准备配置文件：配置文件为cpp_infer\tools目录下 config.txt

记事本打开该文件，并作如下修改：

use_gpu 1 表示使用gpu预测
gpu_id 0 这里如果电脑有多张卡（核显和集显），需要去设备管理器禁用掉不用的那张显卡，不能写1 ，因为Windows不支持多卡训练，默认为0
cls_model_dir 使用预测模型的路径，根据之前自己训练的模型，转换成inference模型后的路径（如果没有训练，请查看链接4.2章节，因为版本更新，需要把__model__和__variables__分别改名为model和params）

#### **例：如下**

以上更改完成后使用cmd来预测一下（此为示例，具体目录根据自己路径来）：

cd到release目录：

使用clas_system.exe 配置文件路径图片路径进行预测：

.\clas_system.exe ..\..\tools\config.txt ..\..\..\..\dataset\flowers102\jpg\image_00001.jpg

预测结果如下：

注：预测的图片为dataset/flowers102目录下图片，如果没有下载，请查看链接2.1章节

以上我们完成了使用exe文件的预测流程

二、如何将C++预测代码封装成一个dll、

上面章节我们完成了exe文件的预测流程，但是如果我们打算通过别的程序来预测呢！这里我们将完成dll的封装

2.1 修改CMakeLists.txt

该文件在deploy/cpp_infer目录下

修改该文件的倒数第20行

add_executable(${DEMO_NAME} ${SRCS})

改为ADD_library(${DEMO_NAME} SHARED ${SRCS})

改成如下字样：

2.2 按照上文1.4章节继续重新cmake一次

2.3 修改属性

打开该sln后，在属性—常规—配置类型中修改成.dll文件，确定

右键cls_system重新生成

待生成成功

然后我们打开release目录，会发现有clas_system.dll文件

您以为这就好了？不，还要改嘞！！！

2.4 修改main.cc

在main.cc文件内添加代码：

1.在int main(int argc, char **argv) 代码上方添加如下代码：

extern "C" __declspec(dllexport) int main(int argc, char** argv); //表示python可以调用该dll

2.把Config config(argv[1]); 改为：

Config config("G:/projects/PaddleClas-dygraph/deploy/cpp_infer/tools/config.txt");

该路径为预测配置文件路径

3.把std::string img_path(argv[2]); 改为：

std::string img_path("E:/PaddleClas-dygraph/dataset/flowers102/jpg/image_00001.jpg");

该路径为预测图片路径

4.删掉if (argc<3){…}

结果如下：

5.修改完成后重新生成…

2.5 python调用dll 预测

重新生成完成后，在release目录新建python文件：

内容为：

import ctypes
from ctypes import *
dll=CDLL("clas_system.dll")
print(dll.main())

运行：

cmd 进入该目录，运行clas_system.py

预测结果如下。

到这里我们的python端调用dll预测流程已经完成。

2.6 c#调用dll预测

1.创建c#控制台应用

2.修改代码如下：

using System;
using System.Runtime.InteropServices;

namespace ConsoleApp1
{
    class Program
    {
        [DllImport("clas_system.dll", EntryPoint = "main", CharSet = CharSet.Ansi)]
        public static extern void main();
        static void Main(string[] args)
        {
            main();

            Console.Write("Press any key to continue . . . ");
            Console.ReadKey(true);
        }
    }
}