x86

Paddle Lite 已支持在 x86 设备上进行预测部署。

参考示例演示

准备本地编译环境

  • 为了保证编译环境一致，建议使用Docker开发环境进行配置；

  • 环境搭建可以参考编译环境准备

运行图像分类示例程序

  • 下载示例程序 PaddleLite-generic-demo.tar.gz ，解压后清单如下：

      - PaddleLite-generic-demo
    - image_classification_demo
      - assets
        - configs
          - imagenet_224.txt # config 文件
          - synset_words.txt # 1000 分类 label 文件
        - datasets
          - test # dataset
            - inputs
              - tabby_cat.jpg # 输入图片
            - outputs
              - tabby_cat.jpg # 输出图片
            - list.txt # 图片清单
        - models
          - resnet50_fp32_224 # Paddle non-combined 格式的 resnet50 float32 模型
            - __model__ # Paddle fluid 模型组网文件，可拖入 https://lutzroeder.github.io/netron/ 进行可视化显示网络结构
            - bn2a_branch1_mean # Paddle fluid 模型参数文件
            - bn2a_branch1_scale
            ...
      - shell
        - CMakeLists.txt # 示例程序 CMake 脚本
        - build.linux.amd64 # 已编译好的，适用于 amd64
          - demo # 已编译好的，适用于 amd64 的示例程序
        - build.linux.arm64 # 已编译好的，适用于 arm64
          - demo # 已编译好的，适用于 arm64 的示例程序
          ...
        ...
        - demo.cc # 示例程序源码
        - build.sh # 示例程序编译脚本
        - run.sh # 示例程序本地运行脚本
        - run_with_ssh.sh # 示例程序 ssh 运行脚本
        - run_with_adb.sh # 示例程序 adb 运行脚本
    - libs
      - PaddleLite
        - android
          - arm64-v8a
          - armeabi-v7a
        - linux
          - amd64
            - include # Paddle Lite 头文件
            - lib # Paddle Lite 库文件
              - libpaddle_full_api_shared.so # 预编译 Paddle Lite full api 库
              - libpaddle_light_api_shared.so # 预编译 Paddle Lite light api 库
          - arm64
            - include
            - lib
          - armhf
            ...
      - OpenCV # OpenCV 预编译库
    - object_detection_demo # 目标检测示例程序

  • 进入 PaddleLite-generic-demo/image_classification_demo/shell/；

  • 执行以下命令观察 mobilenet_v1_int8_224_per_layer 模型的性能和结果；

    运行 mobilenet_v1_int8_224_per_layer 模型

For linux amd64
本地执行
$ ./run.sh mobilenet_v1_int8_224_per_layer imagenet_224.txt test linux amd64 cpu
通过 SSH 远程执行
$ ./run_with_ssh.sh mobilenet_v1_int8_224_per_layer imagenet_224.txt test linux amd64 cpu <IP地址> 22 <用户名> <密码>

  Top1 Egyptian cat - 0.500662
  Top2 tabby, tabby cat - 0.407661
  Top3 tiger cat - 0.074697
  Top4 lynx, catamount - 0.013188
  Top5 ping-pong ball - 0.000638
  Preprocess time: 27.854000 ms, avg 27.854000 ms, max 27.854000 ms, min 27.854000 ms
  Prediction time: 55.152000 ms, avg 55.152000 ms, max 55.152000 ms, min 55.152000 ms
  Postprocess time: 6.212000 ms, avg 6.212000 ms, max 6.212000 ms, min 6.212000 ms

  • 如果需要更改测试模型为 resnet50，执行命令修改为如下：

    本地执行
$ ./run.sh resnet50_fp32_224 imagenet_224.txt test linux amd64 cpu
通过 SSH 远程执行
$ ./run_with_ssh.sh resnet50_fp32_224 imagenet_224.txt test linux amd64 cpu <IP地址> 22 <用户名> <密码>

  • 如果需要更改测试图片，可将图片拷贝到 PaddleLite-generic-demo/image_classification_demo/assets/datasets/test/inputs 目录下，同时将图片文件名添加到 PaddleLite-generic-demo/image_classification_demo/assets/datasets/test/list.txt 中；

  • 如果需要重新编译示例程序，直接运行

    For linux amd64
$ ./build.sh linux amd64

更新支持 x86 的 Paddle Lite 库

  • 下载 Paddle Lite 源码

    $ git clone https://github.com/PaddlePaddle/Paddle-Lite.git
$ cd Paddle-Lite
$ git checkout <release-version-tag>

  • 编译并生成 x86 的部署库

    • For linux amd64

      • tiny_publish 编译

        $ ./lite/tools/build_linux.sh --arch=x86

      • full_publish 编译

        $ ./lite/tools/build_linux.sh --arch=x86 full_publish

      • 替换头文件和库

        替换 include 目录
$ cp -rf build.lite.linux.x86.gcc/inference_lite_lib/cxx/include/ PaddleLite-generic-demo/libs/PaddleLite/linux/amd64/include/

替换 libpaddle_full_api_shared.so
$ cp build.lite.linux.x86.gcc/inference_lite_lib/cxx/lib/libpaddle_full_api_shared.so PaddleLite-generic-demo/libs/PaddleLite/linux/amd64/lib/

替换 libpaddle_light_api_shared.so
$ cp build.lite.linux.x86.gcc/inference_lite_lib/cxx/lib/libpaddle_light_api_shared.so PaddleLite-generic-demo/libs/PaddleLite/linux/amd64/lib/

  • 替换头文件后需要重新编译示例程序