原文地址：原文鏈接，本文主要依照鏈接中文章進行，重復部分不再贅述，
一、準備
工具：CMake3.17，VS2017社區版
這里因為我的預測庫是，Cmake3.17、VS2017版的，所以用安裝了VS2017社區版，CMake3.17，這個地方一定要保證預測庫和環境一致，然后按照原文配置環境，
二、利用Cmake軟體進行編譯
cmake編譯器第一次使用，照葫蘆畫瓢，按原文一步步來就行，但是要注意的是剛才下載的版本是cpu_avx_mkl，環境是vs2017 ，所以下面兩處需要修改：
將WITH_GPU勾掉（本人電腦顯卡不支持，家里有條件的同學隨意）
Project選擇 2017，平臺X64：
這里注意一點，cpp_Infer檔案夾下的CMakeLists.txt檔案，這個檔案是編譯的關鍵，Cmake編譯軟體第一次使用，具體語法沒有研究，只提一點，原文中也有提到：這句的意思是將源檔案生成目標型別，是可執行檔案(.exe)、動態連接庫(.dll)
三、VS2017生成解決方案
3.1 生成可執行檔案
vs2017打開專案，平臺選擇Release，X64，生成程序可能會出現這個這個問題：找不到opencv_world346.dll檔案，這個可以簡單粗暴的將opencv安裝目錄bin目錄下opencv_world346.dll檔案復制生成目錄下就好了，
3.2生成元件
原文中，修改CMakeLists.txt，用Cmake重新編譯，其實在vs2017中修改也是可以的，在剛才生成exe檔案后，clas-system右鍵屬性,配置型別為應用程式(.exe),檔案擴展名(.exe).
找到CmakeList.txt檔案，單擊打開，修改如圖（不區分大小寫）：
然后重新生成，可以看到直接生成了dll檔案
四、原始碼分析
4.1 preprocess_op.cpp
深度學習的影像資料進入網路一般要經過影像預處理，包括但不限于裁剪、歸一化，這個地方就是影像處理，將opencv 中的Mat物件進行各種倒騰，保證和訓練模型保持一致，這個地方需要一點知識拓展：資料的轉換，
預測程序中，vector充當連接Mat（Opencv型別）和Tensor（Paddle型別）的橋梁，資料轉化如圖，CV32FC1對應float型別，
4.1 cls.cpp
這個是源檔案核心，首先定義了Classifier類，該類定義了：
LoadModel方法:加載模型引數
Run方法：預測：
在這個類中，可以重新定義Run方法，提供不同的介面；
五、預測
5.1 可執行檔案對影像預測
這個原文中記載的非常詳細，不在贅述，
5.2 dll檔案呼叫
dll呼叫分為python呼叫和c#呼叫，兩者都是通過上面生成的dll檔案進行預測，
5.2.1 python 呼叫
python呼叫c++的dll預測檔案，想起了一個梗，一個北京人去上海買房，可以嗎？可以，但是沒必要，想一下，前邊辛辛苦苦搞這么多就是想實作模型從python到c++的移植，結果生成的dll被python呼叫，又轉了回來，這里的優勢我還沒有發現，暫時按下不表，
5.2.1 C# 呼叫
其實其他平臺呼叫dll檔案的麻煩點在于資料的轉換，原文中，影像輸入直接寫在了原始碼中，不存在其他平臺和dll資料互動，但是實際應用中肯定是要將介面開放出來的，不能老是讀取一個地方的影像，
在main.cpp新建一個函式，能被外部呼叫，如下：
extern "C" __declspec(dllexport) int Pridict(float* data, int batch_size, int Image_rows, int Image_cols);
int Pridict(float* data,int batch_size,int Image_rows, int Image_cols)
{
//1.加載組態檔
ClsConfig config("E:/DeepLearning/Paddle/PaddleClas-release-2.1DLL/PaddleClas-release-2.1/deploy/cpp_infer/tools/config.txt");
// 2.列印配置資訊
config.PrintConfigInfo();
// 6. 新建分類器，配置相關引數
Classifier classifier(config.cls_model_path, config.cls_params_path,
config.use_gpu, config.gpu_id, config.gpu_mem,
config.cpu_math_library_num_threads, config.use_mkldnn,
config.use_tensorrt, config.use_fp16,
config.resize_short_size, config.crop_size);
// 獲取影像的基本資訊
std::cout << "batchsize: " << batch_size << std::endl;
// 預測
std::vector<float> input(data, data+ batch_size*Image_rows*Image_cols);
for (int idx = 0; idx < 3; ++idx)
{
// 列印
std::cout << input[idx] << std::endl;
}
double run_time = classifier.Run2(&input, batch_size, Image_rows, Image_cols);
return 1;
}c#代碼,這里用到了c封裝的Opencv：EmguCv，安裝可以參考文章：https://blog.csdn.net/qq_40564377/article/details/114037314?spm=1001.2014.3001.5501
class Program
{
[DllImport("clas_system.dll", EntryPoint = "Pridict", CharSet = CharSet.Ansi)]
public static extern int Pridict(ref float data, int batch_size, int Image_rows, int Image_cols);
static void Main(string[] args)
{
unsafe
{
Mat image = CvInvoke.Imread("OK648.bmp");
image.ConvertTo(image, DepthType.Cv32F);
image = image / 255;
float[] data = new float[3249];
IntPtr temp = Marshal.UnsafeAddrOfPinnedArrayElement(data, 0);
CvInvoke.ExtractChannel(image, new Mat(57, 57, DepthType.Cv32F,1, temp,0), 0);
//(int rows, int cols, DepthType type, int channels, IntPtr data, int step)
int temp2 = Pridict(ref data[0], 1, 57, 57);
Console.ReadKey();
}
}
}5.2.2 呼叫程序資料傳遞
資料傳遞型別和開放出來的介面有關，如果開放介面引數型別為Mat，那么其他平臺下也要安裝相應的opencv，這個比較麻煩不推薦；
上面的程式中，用float* 型別的指標進行傳遞，這樣就可以不用安裝EmguCv了，實際上，影像也就是一個資料塊，只要保證資料傳遞程序中內容不發生變化，隨便一個庫讀到，或者其他庫生成的影像都可以傳入介面中，
五、總結
感謝原文作者的分享，才有方法可循，操作程序中也走了不少彎路，不足之處，希望讀者朋友們批評指正，文中的細節會在后續補充，作者參照的相關資料來自互聯網，也將所感所得回饋互聯網，這是創作的初衷，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/289069.html
標籤：其他