树莓派Paddle-Lite从模型训练到部署全流程

此教程默认树莓派已安装Paddle-Lite推离库

若未安装请参考此教程：https://blog.csdn.net/weixin_40973138/article/details/114780090

[TOC]

一、通过PaddleX进行模型可视化训练

1.PaddleX前置环境准备

2.PaddleX-建立数据集

一般来说，图像分类至少需要各类100张，目标检测至少需要80张

下面以创建目标检测数据集举例

  • 点击“新建数据集”，选择任务类型，点击“创建”

image-20211230170640531

  • 在右侧有数据集存放的详细说明

image-20211230170928353

  • 导入完成后，在数据分析处切分数据集（此图已分割完成），在右侧可以看到数据集预览

image-20211230171019446

  • 至此，数据集创建完成

3.PaddleX-模型训练

请选择GPU好的电脑进行训练，GPU算力越高训练越快

  • 新建项目，任务类型记得和数据集相同

image-20211230171929300

  • 1.选择数据集

    2.模型参数设置和数据集增强处理选择

image-20211230172123721

  • 可实时观察训练进度

image-20211230172306065

  • 通过模型评估可以看到各epoch准确率
  • 混淆矩阵可以查看预测错误图片

image-20211230172430629

  • 最后选择文件夹，进行“模型发布”，即将模型保存到本地

image-20211230172617175

4.PaddleX-模型通过OPT工具优化

详细资料可参考官方文档

OPT版本请选择与Paddle-Lite推离库相同版本

1
2
3
4
5
#通过以下指令转换， = 后根据实际情况填写
#--model_file 填写模型.pdmodel文件路径
#--param_file 填写模型.pdiparams文件路径
#optimize_out 填写导出后模型名称
./opt_linux --model_file=./model.pdmodel --param_file=./model.pdiparams --optimize_out=num1203

导出成功后可获得.nb模型文件

5.编写预测程序，实现部署

可参照官方示例

  • 推荐从官方示例进行改写，节省开发时间

其他

1.PaddleX可视化训练失败怎么办？

  • 进入目录下，手动运行.py文件进行训练

image-20211230192316236

image-20211230192332897

2.效果展示

  • 目标检测（21年电赛F题示例）

image-20211230210603763

image-20211230210625801

3.自己电脑训练实在太慢怎么办？

  • 可使用GPU租赁网站在线训练，也可使用AIStudio通过完成任务（截止到写此教程时，任务很简单，关注几十个用户便可达到）获得免费算力

4.目标检测数据集标注有什么软件吗？

  • 推荐使用精灵标注助手
  • 注意：PaddleX目标检测数据集，截至此教程(2021/12/30、PaddleX-Ver2.0.0)仅支持矩形标注框
  • 导出时选择Pascal VOC格式导出

image-20211230200951637

5.待续