【DeploySharp 】基于DeploySharp 的深度学习模型部署测试平台:安装和使用流程

文章目录

    • [1. 程序获取和下载](#1. 程序获取和下载)
    • [2. 平台介绍](#2. 平台介绍)
      • [2.1 支持的模型选项](#2.1 支持的模型选项)
      • [2.2 支持的推理引擎工具](#2.2 支持的推理引擎工具)
      • [2.3 支持的推理设备](#2.3 支持的推理设备)
    • [3. 推理引擎和设备匹配使用](#3. 推理引擎和设备匹配使用)
    • [4. 程序运行示例](#4. 程序运行示例)
      • [4.1 OpenVINO推理](#4.1 OpenVINO推理)
      • [4.2 ONNX Runtime推理](#4.2 ONNX Runtime推理)
      • [4.3 ONNX Runtime推理 + OpenVINO加速](#4.3 ONNX Runtime推理 + OpenVINO加速)
      • [4.4 ONNX Runtime推理 + DML加速](#4.4 ONNX Runtime推理 + DML加速)

1. 程序获取和下载

基于DeploySharp 开发的深度学习模型部署测试平台,提供了YOLO框架的主流系列模型,包括YOLOv5~v13,以及其系列下的Detection、Segmentation、Oriented Bounding Box、Human Pose Estimation等应用场景。模型部署引擎支持OpenVINO™、ONNX runtime,支持CPU、IGPU以及GPU多种设备推理。项目链接为:

复制代码
https://github.com/guojin-yan/DeploySharp/tree/DeploySharpV1.0/applications

如果你想快速使用该平台,可以加入QQ技术交流群通过群文件下载,或者通过GitHub在DeploySharp 项目中下载。

复制代码
 git clone https://github.com/guojin-yan/DeploySharp.git
 cd DeploySharp/applications

打开指定目录后,直接打开DeploySharp-Applications.sln解决方案即可。

打开解决方案后,资源管理器中有两个项目,一个是.NET 6.0框架,一个是.NET Framework 4.8框架,用户可以根据自己需求进行运行。

程序运行后页面如下图所示:

2. 平台介绍

2.1 支持的模型选项

基于DeploySharp 开发的深度学习模型部署测试平台所支持的模型列表与DeploySharp 库一致,后续会跟着DeploySharp 迭代进行同步更新,具体支持的模型:

开发者在使用时,可以根据自己需求进行选择,但在使用时,模型路径"Model Path"选择的模型类型,要和"Model Type保持一致,否者程序运行可能出差或者结果出现错误。

2.2 支持的推理引擎工具

基于DeploySharp 开发的深度学习模型部署测试平台所支持多种推理引擎,其中已经开发完成并已经支持的有OpenVINO和ONNX Runtime,其中TensorRT正在开发中,不日后会完成支持。

其中当推理设备选择ONNX Runtime时,还可以选择ONNX Runtime运行的推理引擎,支持的内容如下图所示:

​ ONNX Runtime支持的更多加速方式,需要用户自己进行代码构建,其构建流程与方式,参考官方教程即可,链接为:

复制代码
https://runtime.onnx.org.cn/docs/execution-providers/

2.3 支持的推理设备

同时用户还可以选择不同的推理设备,包括AUTO、CPU、GPU0、GPU1、NPU,其中GPU0、GPU1表示的含义要在使用的推理引擎工具中确定。

3. 推理引擎和设备匹配使用

推理引擎 推理设备 ONNX加速
OpenVINO AUTO,CPU,GPU0(Intel 集显),GPU1(Intel 独显),NPU Default
ONNX Runtime CPU Default
ONNX Runtime AUTO,CPU,GPU0(Intel 集显),GPU1(Intel 独显),NPU OpenVINO
ONNX Runtime GPU0(英伟达独显),GPU1(英伟达独显) Cuda
ONNX Runtime GPU0,GPU1 DML

4. 程序运行示例

在对应的项目中,图像处理库已经安装,不同项目就是使用的不同图像处理库,下面演示使用不同的模型推理引擎使用流程。

4.1 OpenVINO推理

所下载的项目中已经配置好了OpenVINO环境,选择模型和图片后,直接运行即可。推理结果如下图所示:

如果使用的是.NET Framework 4.8框架,在程序运行前,请卸载并重新安装一下OpenVINO.runtime.win NuGet Package,重新生成项目后,进入到项目bin/Debug或者bin/Release目录,找到该目录下的文件夹dll/win-x64,在该目录下可以看到openvino_c.dll文件,然后将该目录下所有文件,复制到bin/Debug或者bin/Release目录下,重新再生成一下项目。如果使用的.NET 6.0框架,

4.2 ONNX Runtime推理

如果只是用ONNX Runtime推理,不需要安装其他的依赖既可以使用,默认只能使用CPU推理,如下图所示:

4.3 ONNX Runtime推理 + OpenVINO加速

如果是用ONNX Runtime推理并配合OpenVINO加速,则需要安装额外的依赖库:

复制代码
Intel.ML.OnnxRuntime.OpenVino

安装完成后,运行程序即可,其中原生OpenVINO支持的推理设备AUTO、CPU、GPU0(Intel 集显)、GPU1(Intel 独显)、NPU,在此处均可以使用,如下图所示:

如果使用的是.NET Framework 4.8框架,安装完Intel.ML.OnnxRuntime.OpenVino后,如果依旧报错:"无法在 DLL"onnxruntime"中找到名为"OrtSessionOptionsAppendExecutionProvider_OpenVINO"的入口点。",可以找到Intel.ML.OnnxRuntime.OpenVino包目录,然后将该目录下的所有dll文件,复制到项目的bin/Debug或者bin/Release目录下即可。

4.4 ONNX Runtime推理 + DML加速

如果是用ONNX Runtime推理并配合DML加速,则需要安装额外的依赖库:

复制代码
Microsoft.ML.OnnxRuntime.DirectML

安装完成后,运行程序即可,此处可以使用GPU、GPU1,如下图所示:

以上便是基于DeploySharp 开发的深度学习模型部署测试平台的安装和使用教程。最后如果各位开发者在使用中有任何问题,欢迎大家与我联系。

相关推荐
迈火2 小时前
PuLID_ComfyUI:ComfyUI中的图像生成强化插件
开发语言·人工智能·python·深度学习·计算机视觉·stable diffusion·语音识别
AI新兵4 小时前
AI大事记10:从对抗到创造——生成对抗网络 (GANs)
人工智能·神经网络·生成对抗网络
却道天凉_好个秋4 小时前
深度学习(十五):Dropout
人工智能·深度学习·dropout
你好~每一天5 小时前
2025 中小企业 AI 转型:核心岗技能 “怎么证、怎么用”?
人工智能·百度·数据挖掘·数据分析·职业·转行
飞哥数智坊6 小时前
3B参数差点干翻32B模型,Qwen3 Next 是如何做到的?
人工智能
人工智能技术派6 小时前
Whisper推理源码解读
人工智能·语言模型·whisper·语音识别
编码追梦人6 小时前
AI 重塑行业格局:从金融风控到智能制造的深度实践
人工智能·制造
Lululaurel6 小时前
提示工程深度解析:驾驭大语言模型的艺术与科学
人工智能·ai·aigc·提示词
simon_skywalker7 小时前
第7章 n步时序差分 n步时序差分预测
人工智能·算法·强化学习