mirrors
/
PaddleClas
mirror of https://github.com/PaddlePaddle/PaddleClas.git
1
0
Fork 0
Code Issues Projects Releases Wiki Activity

polish test_serving* docs

pull/2067/head
HydrogenSulfate 2022-06-15 20:26:25 +08:00
parent 8641aed670
commit eea897d2c3
4 changed files with 35 additions and 27 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

31
test_tipc/docs/test_serving_infer_cpp.md
View File

@ -38,18 +38,25 @@ Linux GPU/CPU C++ 服务化部署测试的主程序为`test_serving_infer_cpp.sh
- 安装PaddlePaddle：如果您已经安装了2.2或者以上版本的paddlepaddle，那么无需运行下面的命令安装paddlepaddle。 - 安装PaddlePaddle：如果您已经安装了2.2或者以上版本的paddlepaddle，那么无需运行下面的命令安装paddlepaddle。
```shell ```shell
# 需要安装2.2及以上版本的Paddle # 需要安装2.2及以上版本的Paddle
# 安装GPU版本的Paddle # 安装GPU版本的Paddle
python3.7 -m pip install paddlepaddle-gpu==2.2.0 python3.7 -m pip install paddlepaddle-gpu==2.2.0
# 安装CPU版本的Paddle # 安装CPU版本的Paddle
python3.7 -m pip install paddlepaddle==2.2.0 python3.7 -m pip install paddlepaddle==2.2.0
``` ```
- 安装依赖 - 安装依赖
```shell ```shell
python3.7 -m pip install -r requirements.txt python3.7 -m pip install -r requirements.txt
``` ```
- 安装TensorRT
编译 serving-server 的脚本内会设置 `TENSORRT_LIBRARY_PATH` 这一环境变量，因此编译前需要安装TensorRT。
如果使用`registry.baidubce.com/paddlepaddle/paddle:latest-dev-cuda10.1-cudnn7-gcc82`镜像进测试，则已自带TensorRT无需安装，
否则可以参考 [3.2 安装TensorRT](install.md#32-安装tensorrt) 进行安装，并在修改 [build_server.sh](../../deploy/paddleserving/build_server.sh#L62) 的 `TENSORRT_LIBRARY_PATH` 地址为安装后的路径。
- 安装 PaddleServing 相关组件，包括serving_client、serving-app，自动编译并安装带自定义OP的 serving_server 包，以及自动下载并解压推理模型 - 安装 PaddleServing 相关组件，包括serving_client、serving-app，自动编译并安装带自定义OP的 serving_server 包，以及自动下载并解压推理模型
```bash ```bash
# 安装必要依赖包 # 安装必要依赖包
@ -73,14 +80,14 @@ Linux GPU/CPU C++ 服务化部署测试的主程序为`test_serving_infer_cpp.sh
测试方法如下所示，希望测试不同的模型文件，只需更换为自己的参数配置文件，即可完成对应模型的测试。 测试方法如下所示，希望测试不同的模型文件，只需更换为自己的参数配置文件，即可完成对应模型的测试。
```bash ```bash
bash test_tipc/test_serving_infer_cpp.sh ${your_params_file} bash test_tipc/test_serving_infer_cpp.sh ${your_params_file} ${mode}
``` ```
以`PPLCNet_x1_0`的`Linux GPU/CPU C++ 服务化部署测试`为例，命令如下所示。 以`PPLCNet_x1_0`的`Linux GPU/CPU C++ 服务化部署测试`为例，命令如下所示。
```bash ```bash
bash test_tipc/test_serving_infer_cpp.sh test_tipc/configs/PPLCNet/PPLCNet_x1_0_linux_gpu_normal_normal_serving_cpp_linux_gpu_cpu.txt bash test_tipc/test_serving_infer_cpp.sh test_tipc/configs/PPLCNet/PPLCNet_x1_0_linux_gpu_normal_normal_serving_cpp_linux_gpu_cpu.txt serving_infer
``` ```
输出结果如下，表示命令运行成功。 输出结果如下，表示命令运行成功。

25
test_tipc/docs/test_serving_infer_python.md
View File

@ -38,18 +38,19 @@ Linux GPU/CPU PYTHON 服务化部署测试的主程序为`test_serving_infer_pyt
- 安装PaddlePaddle：如果您已经安装了2.2或者以上版本的paddlepaddle，那么无需运行下面的命令安装paddlepaddle。 - 安装PaddlePaddle：如果您已经安装了2.2或者以上版本的paddlepaddle，那么无需运行下面的命令安装paddlepaddle。
```shell ```shell
# 需要安装2.2及以上版本的Paddle # 需要安装2.2及以上版本的Paddle
# 安装GPU版本的Paddle # 安装GPU版本的Paddle
python3.7 -m pip install paddlepaddle-gpu==2.2.0 python3.7 -m pip install paddlepaddle-gpu==2.2.0
# 安装CPU版本的Paddle # 安装CPU版本的Paddle
python3.7 -m pip install paddlepaddle==2.2.0 python3.7 -m pip install paddlepaddle==2.2.0
``` ```
- 安装依赖 - 安装依赖
```shell ```shell
python3.7 -m pip install -r requirements.txt python3.7 -m pip install -r requirements.txt
``` ```
- 安装 PaddleServing 相关组件，包括serving-server、serving_client、serving-app，自动下载并解压推理模型 - 安装 PaddleServing 相关组件，包括serving-server、serving_client、serving-app，自动下载并解压推理模型
```bash ```bash
# 安装必要依赖包 # 安装必要依赖包
@ -69,14 +70,14 @@ Linux GPU/CPU PYTHON 服务化部署测试的主程序为`test_serving_infer_pyt
测试方法如下所示，希望测试不同的模型文件，只需更换为自己的参数配置文件，即可完成对应模型的测试。 测试方法如下所示，希望测试不同的模型文件，只需更换为自己的参数配置文件，即可完成对应模型的测试。
```bash ```bash
bash test_tipc/test_serving_infer_python.sh ${your_params_file} bash test_tipc/test_serving_infer_python.sh ${your_params_file} ${mode}
``` ```
以`ResNet50`的`Linux GPU/CPU PYTHON 服务化部署测试`为例，命令如下所示。 以`ResNet50`的`Linux GPU/CPU PYTHON 服务化部署测试`为例，命令如下所示。
```bash ```bash
bash test_tipc/test_serving_infer_python.sh test_tipc/configs/ResNet50/ResNet50_linux_gpu_normal_normal_serving_python_linux_gpu_cpu.txt bash test_tipc/test_serving_infer_python.sh test_tipc/configs/ResNet50/ResNet50_linux_gpu_normal_normal_serving_python_linux_gpu_cpu.txt serving_infer
``` ```
输出结果如下，表示命令运行成功。 输出结果如下，表示命令运行成功。

4
test_tipc/test_serving_infer_cpp.sh
View File

@ -211,7 +211,7 @@ function func_serving_rec(){
unset https_proxy unset https_proxy
unset http_proxy unset http_proxy
export SERVING_BIN=${PWD}/../Serving/server-build-gpu-opencv/core/general-server/serving # export SERVING_BIN=${PWD}/../Serving/server-build-gpu-opencv/core/general-server/serving
for use_gpu in ${web_use_gpu_list[*]}; do for use_gpu in ${web_use_gpu_list[*]}; do
if [ ${use_gpu} = "null" ]; then if [ ${use_gpu} = "null" ]; then
det_serving_server_dir_name=$(func_get_url_file_name "$det_serving_server_value") det_serving_server_dir_name=$(func_get_url_file_name "$det_serving_server_value")
@ -249,7 +249,7 @@ function func_serving_rec(){
# set cuda device # set cuda device
GPUID=$2 GPUID=$3
if [ ${#GPUID} -le 0 ];then if [ ${#GPUID} -le 0 ];then
env="export CUDA_VISIBLE_DEVICES=0" env="export CUDA_VISIBLE_DEVICES=0"
else else

2
test_tipc/test_serving_infer_python.sh
View File

@ -296,7 +296,7 @@ function func_serving_rec(){
# set cuda device # set cuda device
GPUID=$2 GPUID=$3
if [ ${#GPUID} -le 0 ];then if [ ${#GPUID} -le 0 ];then
env="export CUDA_VISIBLE_DEVICES=0" env="export CUDA_VISIBLE_DEVICES=0"
else else