PaddleClas学习1——使用PPLCNet模型对车辆属性进行识别(python)

使用PPLCNet模型对车辆属性进行识别

  • 1. 配置PaddlePaddle,PaddleClas环境
    • 1.1 安装PaddlePaddle
      • (1)创建 docker 容器
      • (2)退出/进入 docker 容器
      • (3) 安装验证
    • 1.2 安装python3.8(可选)
    • 1.3 安装 PaddleClas
  • 2. 模型推理
    • 2.1 下载官方提供的车辆属性模型
    • 2.2 基于 Python 预测引擎推理

1. 配置PaddlePaddle,PaddleClas环境

官网: 手动配置PaddlePaddle, PaddleClas环境

1.1 安装PaddlePaddle

(1)创建 docker 容器

PaddleClas要求 PaddlePaddle版本 >=2.3,以下命令创建一个名为paddle-clas-gpu的 Docker容器,并将当前工作目录映射到容器内的 /paddle 目录。

#对于 GPU 用户
$ sudo nvidia-docker run --name paddle-clas-gpu -v $PWD:/paddle --shm-size=8G --network=host -it registry.baidubce.com/paddlepaddle/paddle:2.3.0-gpu-cuda10.2-cudnn7 /bin/bash

安装其他版本的paddle: Linux 下的 Docker 安装
本文安装的是 registry.baidubce.com/paddlepaddle/paddle:2.4.2-gpu-cuda11.2-cudnn8.2-trt8.0

(2)退出/进入 docker 容器

使用组合键 Ctrl + P + Q 退出当前容器,同时不关闭该容器;
如需再次进入容器,可使用下述命令:

 
 

你可能感兴趣的:(PaddleClas分类实战,学习,python,开发语言)