Skip to content

Latest commit

 

History

History
 
 

Folders and files

NameName
Last commit message
Last commit date

parent directory

..
 
 

English | 简体中文

PaddleSeg 量化模型部署

FastDeploy已支持部署量化模型,并提供一键模型自动化压缩的工具. 用户可以使用一键模型自动化压缩工具,自行对模型量化后部署, 也可以直接下载FastDeploy提供的量化模型进行部署.

FastDeploy一键模型自动化压缩工具

FastDeploy 提供了一键模型自动化压缩工具, 能够简单地通过输入一个配置文件, 对模型进行量化. 详细教程请见: 一键模型自动化压缩工具

注意: 推理量化后的分类模型仍然需要FP32模型文件夹下的deploy.yaml文件, 自行量化的模型文件夹内不包含此yaml文件, 用户从FP32模型文件夹下复制此yaml文件到量化后的模型文件夹内即可。

量化完成的PaddleSeg模型

用户也可以直接下载下表中的量化模型进行部署.(点击模型名字即可下载)

模型 量化方式
PP-LiteSeg-T(STDC1)-cityscapes 量化蒸馏训练

量化后模型的Benchmark比较,请参考量化模型 Benchmark

支持部署量化模型的硬件

FastDeploy 量化模型部署的过程大致都与FP32模型类似,只是模型量化与非量化的区别,如果硬件在量化模型部署过程有特殊处理,也会在文档中特别标明,因此量化模型部署可以参考如下硬件的链接

硬件支持列表
NVIDIA GPU X86 CPU 飞腾CPU ARM CPU
Intel GPU(独立显卡/集成显卡) 昆仑 昇腾 瑞芯微
晶晨 算能