C++版PPyolo+部署记录-创新互联
PaddlePaddle 框架从18年就开始用了，最近因为工作要做目标检测，因此选择了PaddleDetection 使用了ppyoloe_plus_m 模型进行训练。训练完成后使用
export_model.py -c configs/ppyoloe/ppyoloe_plus_crn_m_80e_coco.yml -o weights=/path/model_final.pdparams
导出模型。
在项目中，使用的是 PaddleDetection /deploy 中的python 版进行 部署的。目前在项目中已经跑起来了。但考虑到以后和其他业务端对接，可能使用C++ 版的更方便，因此尝试打通C++版的推理预测，在这里记录下分别基于windows 和linux 下的模型部署流程。
一、 windows版CPU 版
windows 版相对来说较容易一下，首先尝试不使用gpu 的版本。
按照 说明文档中 的记录，下载 使用cpu 版的 paddle_inference , 版本要求是使用vs2017 ,但我使用vs 2019 进行编译是可以的。
然后需要下载opencv , 下载完成后，最好将 opencv\build\x64\vc15\bin 放到环境变量中。这个其实是用的opencv 3 .X 版本的，跟现在项目中的环境还是有些差别（项目中用到opencv 4.5）后续考虑编译一个opencv4.X 版本的。使用
cmake .
-G "Visual Studio 16 2019" -A x64 -T host=x64
-DWITH_GPU=OFF
-DWITH_MKL=ON
-DCMAKE_BUILD_TYPE=Release
-DPADDLE_DIR=D:\projects\packages\paddle_inference
-DPADDLE_LIB_NAME=paddle_inference
-DOPENCV_DIR=D:\projects\packages\opencv3_4_6
-DWITH_KEYPOINT=ON
在deploy/cpp 目录下生成 .sln ，然后使用vs 打开，生成后的代码文件如下：
使用 生成->生成解决方案，生成main.exe
我在生成过程中遇到了有些 lib 库没有找到的情况，在main ->属性->链接器 常规和输入中看看是否添加了该lib
以上window下基于CPU的模型应用程序基本上就编译好了。运行结果如下：
GPU版
当跑起来CPU 版之后，发现GPU 版的也没有那么难了。首先要确定下当前机器下GPU 环境
本机环境如下：
CUDA=11.6
cudnn=8.4.1
TensorRT=8.4.0.6
首先肯定是要下载好对应的软件版本，可以参考这个
对应好 cuda ，cudnn tensorRT 版本后编译能轻松点。然后下载对应版本下的paddle_inference, 这个也需要下载opencv，跟上面用到的一样就可以，使用cmake 进行编译
cmake . -G "Visual Studio 16 2019" -A x64 -T host=x64
-DWITH_GPU=OFF
-DWITH_MKL=ON
-DCMAKE_BUILD_TYPE=Release
-DCUDA_LIB="C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v11.6\lib\x64"
-DCUDNN_LIB="C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\lib"
-DPADDLE_DIR=D:\work\Project\pro_cuda\paddle_inference
-DPADDLE_DIR=D:\projects\packages\paddle_inference
-DPADDLE_LIB_NAME=paddle_inference
-DOPENCV_DIR=D:\projects\packages\opencv3_4_6
-DWITH_KEYPOINT=ON
也是生成.sln 然后生成，产生main.exe 文件。运行结果如下：
linux 版下我也是先跑通CPU ,在用GPU 。因为公司电脑是在运行项目，不敢随意测试，因此使用了云GPU, 开始的时候使用的是 恒源云GPU ，但他家的下载速度和网速实在太慢，后来使用了AutoDL 的云GPU ，网速挺快，还能连接百度网盘，挺香的。
首先重新编译了下gcc ，因为deploy 要求gcc是8.2版本的，参考
UbuntU18.04u安装GCC8.2.0~9.1_fpcc的博客-博客_unbuntu 安装 gcc 8.2
在按照 linux_build.md 进行编译时，遇到了opencv找不到so 库的情况。因此重新编译了ffmpeg 和opencv，参考了如下博客：
ffmpeg 源码编译 ffmpeg源码编译_liupenglove的博客-博客_ffmpeg源码编译
opencv源码编译 linux或arm下源码编译opencv库_spirits_of_snail的博客-博客_arm linux opencv
Linux下OPencv+ffmpeg编译和进行视频播放_泰勒朗斯的博客-博客
编译完成后 记得修改 ./script/build.sh 里面的路径。
然后按照 linux_build.md 来就可以，最后会生产 main
在执行是会发现缺少 libpaddle2onnx.so 等文件，在paddle_inference 下，找到，cp到/usr/lib 下就可以
你是否还在寻找稳定的海外服务器提供商？创新互联www.cdcxhl.cn海外机房具备T级流量清洗系统配攻击溯源，准确流量调度确保服务器高可用性，企业级服务器适合批量采购，新人活动首月15元起，快前往官网查看详情吧
分享标题：C++版PPyolo+部署记录-创新互联
新闻来源：http://6mz.cn/article/ddjhge.html