一.环境搭建
系统:Ubuntu22.04
conda create --name ppocr python=3.8
# 激活虚拟环境
source activate ppocr
pip3 install --upgrade pip
#安装gpu版的paddle
python3 -m pip install paddlepaddle-gpu==2.0.0 -i https://mirror.baidu.com/pypi/simple
pip install paddlehub==2.0.0rc0
二.paddlepaddle->onnx
我使用的是PaddleOCRv4中的检测模型的推理权重,需要自己先把权重下载下来,并在根目录下创建inference文件夹,把权重文件保存在该目录下,然后执行以下命令:
paddle2onnx --model_dir ./inference/ch_PP-OCRv4_det_infer --model_filename inference.pdmodel --params_filename inference.pdiparams --save_file ./inference/ch_PP-OCRv4_rec_infer/det.onnx --opset_version 11 --enable_onnx_checker True
执行完后生成了一个装有.onnx文件的新文件夹
三.onnx->ncnn
使用onnxsim简化一下:
#安装onxx-simplifier
pip3 install onnx-simplifier --user
#简化刚刚生成的onnx文件
python -m onnxsim det.onnx det_sim.onnx
3.1ubuntu
安装编译NCNN
git clone https://github.com/Tencent/ncnn.git
cd {Your_Path}/ncnn/
mkdir -p build
cd build
cmake ..
make -j4
进入到刚刚编译的ncnn文件夹中,并将简化后的文件拷贝到该文件夹下,拷贝的位置为./ncnn/build/tools/onnx,然后执行:
./onnx2ncnn det_sim.onnx det_sim.param det_sim.bin
3.2 Win10
由于我是普通用户,ubuntu上没有安装cmake,所以后续的onnx转ncnn工作转到了本地windows,首先需要自行安装VS2019和CMake,安装完成后再做以下内容
3.2.1安装编译protobuf:https://github.com/google/protobuf/archive/v3.4.0.zip
解压后使用VS2019 x64本机工具命令提示符进入到解压目录
cd {your_protobuf_dir}
mkdir build-vs2019
cmake -G"NMake Makefiles" -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=%cd%/install -Dprotobuf_BUILD_TESTS=OFF -Dprotobuf_MSVC_STATIC_RUNTIME=OFF ../cmake
nmake
nmake install
四.安装编译NCNN
直接git太慢,所以我是下载zip文件解压的,解压后同样使用VS2019 x64本机工具命令提示符进入到解压目录,并执行以下命令,把第四条命令中的your_protobuf_dir换成你自己的protobuf路径
cd {your_ncnn_dir}
mkdir -p build-vs2019
cd build-vs2019
cmake -G"NMake Makefiles" -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=%cd%/install -DProtobuf_INCLUDE_DIR=<your_protobuf_dir>/build-vs2019/install/include -DProtobuf_LIBRARIES=<your_protobuf_di>/build-vs2019/install/lib/libprotobuf.lib -DProtobuf_PROTOC_EXECUTABLE=<your_protobuf_di>/build-vs2019/install/bin/protoc.exe ..
nmake
nmake install
至此,NCNN编译成功。
接下来进入到 你的ncnn目录\build-vs2019\tools\onnx 目录下。执行以下命令:
.\onnx2ncnn.exe det_sim.onnx det_sim.param det_sim.bin
其中det_sim.onnx为上面步骤简化后的权重,命令执行完成后将在当前目录下生成det_sim.param和det_sim.bin两个文件
至此,PaddleOCRv4转NCNN完成,可以进行后续的推理验证工作。