Skip to content

Latest commit

 

History

History
414 lines (321 loc) · 68.3 KB

README_हिन्दी.md

File metadata and controls

414 lines (321 loc) · 68.3 KB
Raw

English | 简体中文 | हिन्दी | 日本語 | 한국인 | Pу́сский язы́к

⚡️FastDeploy

संस्थापन | दस्तावेज़ीकरण का उपयोग करें | तेजी से शुरू | APIप्रलेखन | चेंजलॉग


⚡️फास्टडिप्लोयएक एआई अनुमान तैनाती उपकरण है जो सभी परिदृश्य, उपयोग करने में आसान और लचीला और बेहद कुशल है। एक📦आउट-ऑफ-द-बॉक्स क्लाउड-एज परिनियोजन अनुभव प्रदान करता है, 🔥160+ से अधिक टेक्स्ट, विजन, स्पीच और क्रॉस-मोडल मॉडल का समर्थन करता है, और 🔚 एंड-टू-एंड अनुमान प्रदर्शन अनुकूलन को लागू करता है। डेवलपर्स की जरूरतों को पूरा करने के लिए छवि वर्गीकरण, ऑब्जेक्ट डिटेक्शन, छवि विभाजन, चेहरे का पता लगाने, चेहरे की पहचान, मुख्य बिंदु का पता लगाने, कटआउट, ओसीआर, एनएलपी, टीटीएस और अन्य कार्यों सहित बहु-परिदृश्य, बहु-हार्डवेयर, बहु-मंच उद्योग की तैनाती की जरूरत है।

🌠 ताज़ा अपडेट

  • ✨✨✨ 2023.01.17 यह रिलीज फास्ट डिसेनियोजित हार्डवेयर श्रृंखला पर YOLOv8 की तैनाती का समर्थन करता है। जो भी शामिल Paddle YOLOv8 तथा समुदाय ultralytics YOLOv8

    • Paddle YOLOv8 हार्डवेयर निर्दिष्ट करता है जो तैनात किया जा सकता है।Intel CPU、NVIDIA GPU、Jetson、Phytium、KunlunXin、Huawei Ascend、ARM CPU, शामिल Python तैनाती तथा C++ तैनाती；गणना ऊर्जा और RK3588 अद्यतन किया जा रहा है।
    • समुदाय ultralytics YOLOv8[Intel CPU] हार्डवेयर निर्दिष्ट करता है जो तैनात किया जा सकता है।(./examples/vision/detection/yolov8)、NVIDIA GPU、Jetson, शामिल Python तैनाती तथा C++ तैनाती；
    • FastDeploy एक लाइन मॉडल API स्विचन YOLOv8、 PP-YOLOE+、YOLOv5 और अन्य मॉडलों की प्रदर्शन तुलना का एहसास कर सकते हैं।

  • ✨👥✨ सामुदायिक संचार

    • Slack：Join our Slack community and chat with other community members about ideas

    • WeChat: दो आयामी कोड स्कैन करें, तकनीकी समुदाय में शामिल होने के लिए प्रश्नावली भरें और समुदाय डेवलपर्स के साथ तैनात उद्योग से होने वाले दर्द बिंदुओं के बारे में संवाद करें।

🌌 तर्क वापस अंत और क्षमता

वीडियो स्ट्रीम सेवाकरण परिनियोजन एंड टू एंड परफॉरमेंस ऑप्टिमाइज़ेशन। Linux Windows Android macOS
X86_64 CPU       





NVDIA GPU




Phytium CPU
KunlunXin XPU
Huawei Ascend NPU
Graphcore IPU
Sophgo
Intel graphics card
Jetson


ARM CPU

RK3588 etc.
RV1126 etc.
Amlogic
NXP

🔮 प्रलेखन ट्यूटोरियल

तेजी से शुरू💨

Python SDK तेजी से (खोलें और सिकोड़ें)b>

🎆 त्वरित स्थापना

🔸 पूर्वता

  • CUDA >= 11.2、cuDNN >= 8.0、Python >= 3.6
  • OS: Linux x86_64/macOS/Windows 10

🔸 इंस्टॉल करें GPU संस्करण

pip install numpy opencv-python fastdeploy-gpu-python -f https://www.paddlepaddle.org.cn/whl/fastdeploy.html

🔸 Conda स्थापना (अनुशंसित✨)

conda config --add channels conda-forge && conda install cudatoolkit=11.2 cudnn=8.2

🔸 इंस्टॉल करें CPU संस्करण

pip install numpy opencv-python fastdeploy-python -f https://www.paddlepaddle.org.cn/whl/fastdeploy.html

🎇 Python अनुमान उदाहरण

  • मॉडल और तस्वीरें तैयार करें
wget https://bj.bcebos.com/paddlehub/fastdeploy/ppyoloe_crn_l_300e_coco.tgz
tar xvf ppyoloe_crn_l_300e_coco.tgz
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg
  • परीक्षण अनुमान परिणाम
# GPU/TensorRT तैनाती, संदर्भ examples/vision/detection/paddledetection/python
import cv2
import fastdeploy.vision as vision

model = vision.detection.PPYOLOE("ppyoloe_crn_l_300e_coco/model.pdmodel",
                                 "ppyoloe_crn_l_300e_coco/model.pdiparams",
                                 "ppyoloe_crn_l_300e_coco/infer_cfg.yml")
im = cv2.imread("000000014439.jpg")
result = model.predict(im)
print(result)

vis_im = vision.vis_detection(im, result, score_threshold=0.5)
cv2.imwrite("vis_image.jpg", vis_im)
C++ SDK तेजी से शुरू (अधिक जानकारी के लिए क्लिक करें)

🎆 इंस्टॉल करें

🎇 C++ अनुमान उदाहरण

  • मॉडल और तस्वीरें तैयार करें
wget https://bj.bcebos.com/paddlehub/fastdeploy/ppyoloe_crn_l_300e_coco.tgz
tar xvf ppyoloe_crn_l_300e_coco.tgz
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg
  • परीक्षण अनुमान परिणाम
// GPU/TensorRT तैनाती, संदर्भ examples/vision/detection/paddledetection/cpp
#include "fastdeploy/vision.h"

int main(int argc, char* argv[]) {
  namespace vision = fastdeploy::vision;
  auto model = vision::detection::PPYOLOE("ppyoloe_crn_l_300e_coco/model.pdmodel",
                                          "ppyoloe_crn_l_300e_coco/model.pdiparams",
                                          "ppyoloe_crn_l_300e_coco/infer_cfg.yml");
  auto im = cv::imread("000000014439.jpg");

  vision::DetectionResult res;
  model.Predict(im, &res);

  auto vis_im = vision::VisDetection(im, res, 0.5);
  cv::imwrite("vis_image.jpg", vis_im);
  return 0;
}

अधिक तैनाती के मामलों के लिए, देखेंमॉडल परिनियोजन उदाहरण .

✴️ ✴️ सर्वर साइड मॉडल सूचियों का समर्थन करता है ✴️ ✴️

प्रतीक विवरण: (1) ✅: पहले से समर्थित; (2) ❔:गति पर ; (3) N/A: समर्थित नहीं;

सर्वर-साइड मॉडल समर्थन सूची (ढहने के लिए क्लिक करें)
कार्य परिदृश्य नमूना Linux Linux Win Win Mac Mac Linux Linux Linux Linux Linux
--- --- X86 CPU NVIDIA GPU X86 CPU NVIDIA GPU X86 CPU Arm CPU AArch64 CPU Phytium D2000CPU NVIDIA Jetson Graphcore IPU Serving
Classification PaddleClas/ResNet50 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅
Classification TorchVison/ResNet ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
Classification ultralytics/YOLOv5Cls ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
Classification PaddleClas/PP-LCNet ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅
Classification PaddleClas/PP-LCNetv2 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅
Classification PaddleClas/EfficientNet ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅
Classification PaddleClas/GhostNet ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅
Classification PaddleClas/MobileNetV1 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅
Classification PaddleClas/MobileNetV2 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅
Classification PaddleClas/MobileNetV3 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅
Classification PaddleClas/ShuffleNetV2 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅
Classification PaddleClas/SqueeezeNetV1.1 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅
Classification PaddleClas/Inceptionv3 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅
Classification PaddleClas/PP-HGNet ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅
Detection PaddleDetection/PP-YOLOE ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅
Detection 🔥PaddleDetection/YOLOv8 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅
Detection 🔥ultralytics/YOLOv8 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
Detection PaddleDetection/PicoDet ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅
Detection PaddleDetection/YOLOX ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅
Detection PaddleDetection/YOLOv3 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅
Detection PaddleDetection/PP-YOLO ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅
Detection PaddleDetection/PP-YOLOv2 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅
Detection PaddleDetection/Faster-RCNN ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅
Detection PaddleDetection/Mask-RCNN ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅
Detection Megvii-BaseDetection/YOLOX ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
Detection WongKinYiu/YOLOv7 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
Detection WongKinYiu/YOLOv7end2end_trt ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
Detection WongKinYiu/YOLOv7end2end_ort_ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
Detection meituan/YOLOv6 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
Detection ultralytics/YOLOv5 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅
Detection WongKinYiu/YOLOR ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
Detection WongKinYiu/ScaledYOLOv4 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
Detection ppogg/YOLOv5Lite ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
Detection RangiLyu/NanoDetPlus ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
KeyPoint PaddleDetection/TinyPose ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
KeyPoint PaddleDetection/PicoDet + TinyPose ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
HeadPose omasaht/headpose ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
Tracking PaddleDetection/PP-Tracking ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
OCR PaddleOCR/PP-OCRv2 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
OCR PaddleOCR/PP-OCRv3 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅
Segmentation PaddleSeg/PP-LiteSeg ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
Segmentation PaddleSeg/PP-HumanSegLite ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
Segmentation PaddleSeg/HRNet ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
Segmentation PaddleSeg/PP-HumanSegServer ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
Segmentation PaddleSeg/Unet ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
Segmentation PaddleSeg/Deeplabv3 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
FaceDetection biubug6/RetinaFace ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
FaceDetection Linzaer/UltraFace ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
FaceDetection deepcam-cn/YOLOv5Face ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
FaceDetection insightface/SCRFD ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
FaceAlign Hsintao/PFLD ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
FaceAlign Single430FaceLandmark1000 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
FaceAlign jhb86253817/PIPNet ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
FaceRecognition insightface/ArcFace ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
FaceRecognition insightface/CosFace ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
FaceRecognition insightface/PartialFC ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
FaceRecognition insightface/VPL ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
Matting ZHKKKe/MODNet ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
Matting PeterL1n/RobustVideoMatting ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
Matting PaddleSeg/PP-Matting ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
Matting PaddleSeg/PP-HumanMatting ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
Matting PaddleSeg/ModNet ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔
Video Super-Resolution PaddleGAN/BasicVSR ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
Video Super-Resolution PaddleGAN/EDVR ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
Video Super-Resolution PaddleGAN/PP-MSVSR ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔ ❔
Information Extraction PaddleNLP/UIE ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ✅ ❔
NLP PaddleNLP/ERNIE-3.0 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔ ❔ ✅
Speech PaddleSpeech/PP-TTS ✅ ✅ ✅ ✅ ✅ ✅ ✅ ❔ ❔ -- ✅

📲 मोबाइल और एंड-साइड मॉडल समर्थन सूची

एंड-साइड मॉडल समर्थन सूची (पतन के लिए क्लिक करें)
कार्य परिदृश्य नमूना आकार(MB) Linux Android Linux Linux Linux Linux Linux TBD...
--- --- --- ARM CPU ARM CPU Rockchip-NPU
RK3568/RK3588		 Rockchip-NPU
RV1109/RV1126/RK1808		 Amlogic-NPU
A311D/S905D/C308X		 NXP-NPU
i.MX 8M Plus		 TBD...｜
Classification PaddleClas/ResNet50 98 ✅ ✅ ❔ ✅
Classification PaddleClas/PP-LCNet 11.9 ✅ ✅ ❔ ✅ -- -- --
Classification PaddleClas/PP-LCNetv2 26.6 ✅ ✅ ❔ ✅ -- -- --
Classification PaddleClas/EfficientNet 31.4 ✅ ✅ ❔ ✅ -- -- --
Classification PaddleClas/GhostNet 20.8 ✅ ✅ ❔ ✅ -- -- --
Classification PaddleClas/MobileNetV1 17 ✅ ✅ ❔ ✅ -- -- --
Classification PaddleClas/MobileNetV2 14.2 ✅ ✅ ❔ ✅ -- -- --
Classification PaddleClas/MobileNetV3 22 ✅ ✅ ❔ ✅ ❔ ❔ --
Classification PaddleClas/ShuffleNetV2 9.2 ✅ ✅ ❔ ✅ -- -- --
Classification PaddleClas/SqueezeNetV1.1 5 ✅ ✅ ❔ ✅ -- -- --
Classification PaddleClas/Inceptionv3 95.5 ✅ ✅ ❔ ✅ -- -- --
Classification PaddleClas/PP-HGNet 59 ✅ ✅ ❔ ✅ -- -- --
Detection PaddleDetection/PicoDet_s 4.9 ✅ ✅ ✅ ✅ ✅ ✅ --
Detection YOLOv5 ❔ ❔ ✅ ❔ ❔ ❔ --
Face Detection deepinsight/SCRFD 2.5 ✅ ✅ ✅ -- -- -- --
Keypoint Detection PaddleDetection/PP-TinyPose 5.5 ✅ ✅ ❔ ❔ ❔ ❔ --
Segmentation PaddleSeg/PP-LiteSeg(STDC1) 32.2 ✅ ✅ ✅ -- -- -- --
Segmentation PaddleSeg/PP-HumanSeg-Lite 0.556 ✅ ✅ ✅ -- -- -- --
Segmentation PaddleSeg/HRNet-w18 38.7 ✅ ✅ ✅ -- -- -- --
Segmentation PaddleSeg/PP-HumanSeg 107.2 ✅ ✅ ✅ -- -- -- --
Segmentation PaddleSeg/Unet 53.7 ✅ ✅ ✅ -- -- -- --
Segmentation PaddleSeg/Deeplabv3 150 ❔ ✅ ✅
OCR PaddleOCR/PP-OCRv2 2.3+4.4 ✅ ✅ ❔ -- -- -- --
OCR PaddleOCR/PP-OCRv3 2.4+10.6 ✅ ❔ ❔ ❔ ❔ ❔ --

⚛️ Web और छोटे कार्यक्रम मॉडल समर्थन सूची

Web और मिनी प्रोग्राम परिनियोजन समर्थन सूची (ढहने के लिए क्लिक करें)
कार्य परिदृश्य नमूना web_demo
--- --- Paddle.js
Detection FaceDetection ✅
Detection ScrewDetection ✅
Segmentation PaddleSeg/HumanSeg ✅
Object Recognition GestureRecognition ✅
Object Recognition ItemIdentification ✅
OCR PaddleOCR/PP-OCRv3 ✅

💐 Acknowledge

यह परियोजना SDK पीढ़ी और डाउनलोड हम EasyEdge में मुक्त और खुली क्षमताओं का उपयोग करने के लिए आभारी हैं।

©️ License

FastDeploy निम्नानुसार है Apache-2.0 खुला स्रोत लाइसेंस