PaddleHub：自定义Module

本文主要参考如何创建自己的Module一文，并结合自己实践和踩坑记录而成。

github：detect_test_for_PaddleHub

PaddleHub：自定义Module的Serveing

1. 前提

现在基于你已经训练好了一个模型，现在将它转为hub，方便管理和调用

2. 创建项目文件夹

首先，创建一个项目detect_hub文件夹，其必要结构为：

即项目文件夹detect_hub下存在两个最基本的程序文件（其他你需要的自行放置在根目录下即可）。

3. 什么是__init__.py文件

该文件是一个包的标记文件，我们只需要新建一个内容为空名字为“init.py”的py文件，放置在项目跟目录下即可。

4.什么是module.py文件

该文件是完成我们预测功能的程序文件，现在来讲如何按规则创建

4.1 引入必要的模块（即使有的库没用到，也不要删）

import argparse
import os

import paddlehub as hub
from paddlehub.module.module import runnable, moduleinfo

# 如果还使用到其他自定义的模块时，需要输入全路径(从根目录开始)，比如
# detect_test.inference import *

4.2 定义类

module.py中需要有一个继承了hub.Module的类存在，该类负责实现预测逻辑，并使用moduleinfo填写基本信息。当使用hub.Module(name=”senta_test”)加载Module时，PaddleHub会自动创建SentaTest的对象并返回。

♥：“@moduleinfo”中的“name”必须和跟目录的名字（detect_test）一样，否则会导致导入模块时的路径问题

@moduleinfo(
    name="detect_test",
    version="1.0.0",
    summary="This is a PaddleHub Module. Just for test.",
    author="thgpddl",
    author_email="",
    type="cv/detection",
)
class DetectTest:
    def __init__(self):
        # add arg parser
        self.parser = argparse.ArgumentParser(description="test")
        self.parser.add_argument('--input_iameg_path', type=str, default=None, help="a url of image")		
		# 更多初始化的量....
		
	def predict(self,input_image):
		# 实现预测的代码，可以通过调用第三方的模块实现
		# 比如调用你写好了的模型预测模块，来实现预测
		return your_result

5. 如何使用？

5.1 调用方法一：安装到系统再调用

将Module安装到本机中，再通过Hub.Module(name=…)加载
安装：$ hub install detect_test
detect_test为项目根目录名字
调用：

import paddlehub as hub
test=hub.Module(name="detect_test")
res=test.predict([img])

♥：这里的"predict()"方式不是固定的，他实际上是调用module.py中类中定义的$predict()$方法

5.2 调用方法二：直接调用项目文件夹

直接通过Hub.Module(directory=…)加载

import paddlehub as hub
test=hub.Module(directory="detect_test")
res=test.predict([img])

6. PaddleHub Serving模型的部署

PaddleHub：自定义Module的Serveing