35 lines
1.2 KiB
Markdown
35 lines
1.2 KiB
Markdown
> 运行示例前请先安装1.2.0或更高版本PaddleSlim
|
||
|
||
# 模型量化压缩教程
|
||
|
||
## 概述
|
||
|
||
该示例使用PaddleSlim提供的[量化压缩API](https://paddlepaddle.github.io/PaddleSlim/api/quantization_api/)对OCR模型进行压缩。
|
||
在阅读该示例前，建议您先了解以下内容：
|
||
|
||
- [OCR模型的常规训练方法](https://github.com/PaddlePaddle/PaddleOCR/blob/develop/doc/doc_ch/detection.md)
|
||
- [PaddleSlim使用文档](https://paddlepaddle.github.io/PaddleSlim/)
|
||
|
||
## 安装PaddleSlim
|
||
可按照[PaddleSlim使用文档](https://paddlepaddle.github.io/PaddleSlim/)中的步骤安装PaddleSlim。
|
||
|
||
|
||
|
||
## 量化训练
|
||
|
||
进入PaddleOCR根目录，通过以下命令对模型进行量化：
|
||
|
||
```bash
|
||
python deploy/slim/quantization/quant.py -c configs/det/det_mv3_db.yml -o Global.pretrain_weights=det_mv3_db/best_accuracy Global.save_model_dir=./output/quant_model
|
||
```
|
||
|
||
|
||
|
||
## 导出模型
|
||
|
||
在得到量化训练保存的模型后，我们可以将其导出为inference_model，用于预测部署：
|
||
|
||
```bash
|
||
python deploy/slim/quantization/export_model.py -c configs/det/det_mv3_db.yml -o Global.checkpoints=output/quant_model/best_accuracy Global.save_model_dir=./output/quant_model
|
||
```
|