Python 完整示例¶
Python 支持的平台包括：Windows X86_CPU / macOS X86_CPU / Linux X86_CPU / Linux ARM_CPU (ARM Linux)。
本章节包含2部分内容：(1) Python 示例程序；(2) Python 应用开发说明。
Python 示例程序¶
本章节展示的所有Python 示例代码位于 demo/python 。
1. 环境准备¶
如果是Windows X86_CPU / macOS X86_CPU / Linux X86_CPU 平台，不需要进行特定环境准备。
如果是ARM Linux平台，需要编译PaddleLite，环境配置参考文档，推荐使用docker。
2. 安装python预测库¶
PyPI源目前仅提供Windows X86_CPU / macOS X86_CPU / Linux X86_CPU 平台的pip安装包，执行如下命令。
# 当前最新版本是 2.8
python -m pip install paddlelite==2.8
如果您需要使用AMRLinux平台的Python预测功能，请参考源码编译(ARMLinux)编译、安装PaddleLite的python包。
3. 准备预测部署模型¶
(1) 模型下载：下载mobilenet_v1模型后解压，得到Paddle非combined形式的模型，位于文件夹 mobilenet_v1 下。可通过模型可视化工具Netron打开文件夹下的__model__文件，查看模型结构。
wget http://paddle-inference-dist.bj.bcebos.com/mobilenet_v1.tar.gz
tar zxf mobilenet_v1.tar.gz
(2) 模型转换：Paddle的原生模型需要经过opt工具转化为Paddle-Lite可以支持的naive_buffer格式。
Linux X86_CPU 平台：通过pip安装paddlelite，即可获得paddle_lite_opt命令工具
paddle_lite_opt --model_dir=./mobilenet_v1 \ --optimize_out=mobilenet_v1_opt \ --optimize_out_type=naive_buffer \ --valid_targets=x86
MAC X86_CPU 平台: paddle_lite_opt工具使用方式同Linux。
Windows X86_CPU 平台：windows 暂不支持命令行方式直接运行模型转换器，需要编写python脚本
import paddlelite.lite as lite a=lite.Opt() # 非combined形式 a.set_model_dir("D:\\YOU_MODEL_PATH\\mobilenet_v1") # conmbined形式，具体模型和参数名称，请根据实际修改 # a.set_model_file("D:\\YOU_MODEL_PATH\\mobilenet_v1\\__model__") # a.set_param_file("D:\\YOU_MODEL_PATH\\mobilenet_v1\\__params__") a.set_optimize_out("mobilenet_v1_opt") a.set_valid_places("x86") a.run()
ARMLinux 平台：编写python脚本转换模型
import paddlelite.lite as lite a=lite.Opt() # 非combined形式 a.set_model_dir("D:\\YOU_MODEL_PATH\\mobilenet_v1") # conmbined形式，具体模型和参数名称，请根据实际修改 # a.set_model_file("D:\\YOU_MODEL_PATH\\mobilenet_v1\\__model__") # a.set_param_file("D:\\YOU_MODEL_PATH\\mobilenet_v1\\__params__") a.set_optimize_out("mobilenet_v1_opt") a.set_valid_places("arm") # 设置为arm a.run()
以上命令执行成功之后将在同级目录生成名为mobilenet_v1_opt.nb的优化后模型文件。
4. 下载和运行预测示例程序¶
从demo/python下载预测示例文件mobilenetv1_light_api.py和mobilenetv1_full_api.py，并运行Python预测程序。
# light api的输入为优化后模型文件mobilenet_v1_opt.nb
python mobilenetv1_light_api.py --model_dir=mobilenet_v1_opt.nb
# full api的输入为优化千的模型文件夹mobilenet_v1
python mobilenetv1_full_api.py --model_dir=./mobilenet_v1
# 运行成功后，将在控制台输出如下内容
[1L, 1000L]
[0.00019130950386170298, 0.0005920541007071733, 0.00011230241216253489, 6.27333574811928e-05, 0.0001275067188544199, 0.0013214796781539917, 3.138116153422743e-05, 6.52207963867113e-05, 4.780858944286592e-05, 0.0002588215284049511]
Python 应用开发说明¶
Python代码调用Paddle-Lite执行预测库仅需以下六步：
(1) 设置config信息
from paddlelite.lite import *
import numpy as np
from PIL import Image
config = MobileConfig()
config.set_model_from_file("./mobilenet_v1_opt.nb")
(2) 创建predictor
predictor = create_paddle_predictor(config)
(3) 从图片读入数据
image = Image.open('./example.jpg')
# resize the inputed image into shape (224, 224)
resized_image = image.resize((224, 224), Image.BILINEAR)
# put it from HWC to NCHW format
image_data = np.array(resized_image).transpose(2, 0, 1).reshape(1, 3, 224, 224)
(4) 设置输入数据
input_tensor = predictor.get_input(0)
input_tensor.from_numpy(image_data)
(5) 执行预测
predictor.run()
(6) 得到输出数据
output_tensor = predictor.get_output(0)
print(output_tensor.shape())
print(output_tensor.numpy())
详细的Python API说明文档位于Python API。更多Python应用预测开发可以参考位于位于Paddle-Lite-Demo的工程示例代码。