蜀味 只想说 凹非寺量子位 报导 | 微信公众号 QbitAI
做为一个根据PyTorch完成的模块化设计目标检测库,Detectron2当初刚一开源系统,就被推上去了GitHub发展趋势榜第一。
而如今,h5开发工作人员们的福利多多了。
Facebook官方网宣布发布Detectron2的移动版:Detectron2Go(D2Go)。
什么叫D2Go
先看来官方网详细介绍:
PyTorch和Detectron2适用的深度神经网络工具箱最优秀的高效率移动设备主干网适用端到端模型训炼、量化分析和布署能轻轻松松导出来TorchScript文件格式根据D2Go,开发人员能够建立早已对于移动设备开展过提升的FBNet模型,在手机端高效率地实行目标检测、语义分割及其关键点可能等每日任务。
△D2Go身体关键点可能
那麼D2Go实际有什么优点呢?
事实上,挪动端目标检测每日任务关键关心的有二点:延迟和精确性。
而假如模型可以在边沿机器设备上单独运作,无需将数据信息传到云空间开展解决,就能极大地降低延迟。
此外,这也进一步确保了终端产品用户的数据信息、隐私保护安全性。
Facebook表明,在试验检测中,应用D2Go开发设计的手机端模型,与根据网络服务器的模型对比,延迟更低,且精确性损害并不大。
怎么使用
最先是安裝的一部分,必须安裝的有:
PyTorch Nightly
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch-nightly
Detectron2
python -m pip install 'git https://github.com/facebookresearch/detectron2.git'
mobile_cv
python -m pip install 'git https://github.com/facebookresearch/mobile-vision.git'
D2go
git clone https://github.com/facebookresearch/d3gocd d3go & python -m pip install .
在D2go的GitHub库房中,还出示了预训炼模型的逻辑推理Demo。
从model_zoo中挑选一个模型,运作demo.py,就可以开展免费试玩。
以faster_rcnn_fbnetv3a模型为例子:
cd demo/python demo.py —config-file faster_rcnn_fabnetv3a_C4.yaml —input input1.jpg —output output1.jpg
在训炼和评定层面,D2Go自身根据detectron2工具箱完成,因而在训炼以前,必须依照detectron2的表明设定内嵌数据。
而实际怎样用预训炼模型开展逻辑推理、训炼一个D2go模型、将模型导出来到int8,Facebook也出示了详尽的新手入门实例。
大量详细信息,何不戳进文尾连接,亲自入门试着~
开源系统详细地址:https://github.com/facebookresearch/d3go
Facebookblog:https://ai.facebook.com/blog/d3go-brings-detectron2-to-mobile/