87 lines
5.5 KiB
Markdown
87 lines
5.5 KiB
Markdown
# C++预测功能测试
|
||
|
||
C++预测功能测试的主程序为`test_inference_cpp.sh`，可以测试基于C++预测库的模型推理功能。
|
||
|
||
## 1. 测试结论汇总
|
||
|
||
基于训练是否使用量化，进行本测试的模型可以分为`正常模型`和`量化模型`，这两类模型对应的C++预测功能汇总如下：
|
||
|
||
| 模型类型 |device | batchsize | tensorrt | mkldnn | cpu多线程 |
|
||
| ---- | ---- | ---- | :----: | :----: | :----: |
|
||
| 正常模型 | GPU | 1/6 | fp32/fp16 | - | - |
|
||
| 正常模型 | CPU | 1/6 | - | fp32 | 支持 |
|
||
| 量化模型 | GPU | 1/6 | int8 | - | - |
|
||
| 量化模型 | CPU | 1/6 | - | int8 | 支持 |
|
||
|
||
## 2. 测试流程
|
||
运行环境配置请参考[文档](./install.md)的内容配置TIPC的运行环境。
|
||
|
||
### 2.1 功能测试
|
||
先运行`prepare.sh`准备数据和模型，然后运行`test_inference_cpp.sh`进行测试，最终在```test_tipc/output/{model_name}/cpp_infer```目录下生成`cpp_infer_*.log`后缀的日志文件。
|
||
|
||
```shell
|
||
bash test_tipc/prepare.sh ./test_tipc/configs/ch_PP-OCRv2_rec/model_linux_gpu_normal_normal_infer_cpp_linux_gpu_cpu.txt "cpp_infer"
|
||
|
||
# 用法1:
|
||
bash test_tipc/test_inference_cpp.sh test_tipc/configs/ch_PP-OCRv2_rec/model_linux_gpu_normal_normal_infer_cpp_linux_gpu_cpu.txt
|
||
# 用法2: 指定GPU卡预测，第三个传入参数为GPU卡号
|
||
bash test_tipc/test_inference_cpp.sh test_tipc/configs/ch_PP-OCRv2_rec/model_linux_gpu_normal_normal_infer_cpp_linux_gpu_cpu.txt '1'
|
||
```
|
||
|
||
运行预测指令后，在`test_tipc/output`文件夹下自动会保存运行日志，包括以下文件：
|
||
|
||
```shell
|
||
test_tipc/output/
|
||
|- results_cpp.log # 运行指令状态的日志
|
||
|- cpp_infer_cpu_usemkldnn_False_threads_6_precision_fp32_batchsize_6.log # CPU上不开启Mkldnn，线程数设置为6，测试batch_size=6条件下的预测运行日志
|
||
|- cpp_infer_gpu_usetrt_False_precision_fp32_batchsize_6.log # GPU上不开启TensorRT，测试batch_size=6的fp32精度预测日志
|
||
......
|
||
```
|
||
其中results_cpp.log中包含了每条指令的运行状态，如果运行成功会输出：
|
||
|
||
```
|
||
[33m Run successfully with command - ch_PP-OCRv2_rec - ./deploy/cpp_infer/build/ppocr --rec_char_dict_path=./ppocr/utils/ppocr_keys_v1.txt --rec_img_h=32 --use_gpu=True --use_tensorrt=False --precision=fp32 --rec_model_dir=./inference/ch_PP-OCRv2_rec_infer/ --rec_batch_num=6 --image_dir=./inference/rec_inference/ --benchmark=True --det=False --rec=True --cls=False --use_angle_cls=False > ./test_tipc/output/ch_PP-OCRv2_rec/cpp_infer/cpp_infer_gpu_usetrt_False_precision_fp32_batchsize_6.log 2>&1 ! [0m
|
||
[33m Run successfully with command - ch_PP-OCRv2_rec - ./deploy/cpp_infer/build/ppocr --rec_char_dict_path=./ppocr/utils/ppocr_keys_v1.txt --rec_img_h=32 --use_gpu=False --enable_mkldnn=False --cpu_threads=6 --rec_model_dir=./inference/ch_PP-OCRv2_rec_infer/ --rec_batch_num=6 --image_dir=./inference/rec_inference/ --benchmark=True --det=False --rec=True --cls=False --use_angle_cls=False > ./test_tipc/output/ch_PP-OCRv2_rec/cpp_infer/cpp_infer_cpu_usemkldnn_False_threads_6_precision_fp32_batchsize_6.log 2>&1 ! [0m
|
||
......
|
||
```
|
||
如果运行失败，会输出：
|
||
```
|
||
Run failed with command - ch_PP-OCRv2_rec - ./deploy/cpp_infer/build/ppocr --rec_char_dict_path=./ppocr/utils/ppocr_keys_v1.txt --rec_img_h=32 --use_gpu=True --use_tensorrt=False --precision=fp32 --rec_model_dir=./inference/ch_PP-OCRv2_rec_infer/ --rec_batch_num=6 --image_dir=./inference/rec_inference/ --benchmark=True --det=False --rec=True --cls=False --use_angle_cls=False > ./test_tipc/output/ch_PP-OCRv2_rec/cpp_infer/cpp_infer_gpu_usetrt_False_precision_fp32_batchsize_6.log 2>&1 !
|
||
Run failed with command - ch_PP-OCRv2_rec - ./deploy/cpp_infer/build/ppocr --rec_char_dict_path=./ppocr/utils/ppocr_keys_v1.txt --rec_img_h=32 --use_gpu=False --enable_mkldnn=False --cpu_threads=6 --rec_model_dir=./inference/ch_PP-OCRv2_rec_infer/ --rec_batch_num=6 --image_dir=./inference/rec_inference/ --benchmark=True --det=False --rec=True --cls=False --use_angle_cls=False > ./test_tipc/output/ch_PP-OCRv2_rec/cpp_infer/cpp_infer_cpu_usemkldnn_False_threads_6_precision_fp32_batchsize_6.log 2>&1 !
|
||
......
|
||
```
|
||
可以很方便的根据results_cpp.log中的内容判定哪一个指令运行错误。
|
||
|
||
|
||
### 2.2 精度测试
|
||
|
||
使用compare_results.py脚本比较模型预测的结果是否符合预期，主要步骤包括：
|
||
- 提取日志中的预测坐标；
|
||
- 从本地文件中提取保存好的坐标结果；
|
||
- 比较上述两个结果是否符合精度预期，误差大于设置阈值时会报错。
|
||
|
||
#### 使用方式
|
||
运行命令：
|
||
```shell
|
||
python3.7 test_tipc/compare_results.py --gt_file=./test_tipc/results/cpp_*.txt --log_file=./test_tipc/output/cpp_*.log --atol=1e-3 --rtol=1e-3
|
||
```
|
||
|
||
参数介绍：
|
||
- gt_file： 指向事先保存好的预测结果路径，支持*.txt 结尾，会自动索引*.txt格式的文件，文件默认保存在test_tipc/result/ 文件夹下
|
||
- log_file: 指向运行test_tipc/test_inference_cpp.sh 脚本的infer模式保存的预测日志，预测日志中打印的有预测结果，比如：文本框，预测文本，类别等等，同样支持cpp_infer_*.log格式传入
|
||
- atol: 设置的绝对误差
|
||
- rtol: 设置的相对误差
|
||
|
||
#### 运行结果
|
||
|
||
正常运行效果如下图：
|
||
<img src="compare_cpp_right.png" width="1000">
|
||
|
||
出现不一致结果时的运行输出：
|
||
<img src="compare_cpp_wrong.png" width="1000">
|
||
|
||
|
||
## 3. 更多教程
|
||
|
||
本文档为功能测试用，更详细的c++预测使用教程请参考：[服务器端C++预测](https://github.com/PaddlePaddle/PaddleOCR/tree/dygraph/deploy/cpp_infer)
|