paddle第十九期3天训练营3.21-day3

第一步：重新安装环境

1.启动Notebook并打开

稍作等待，『运行中』的时候就可以打开了

2.重新运行下昨天的环境命令

#升级paddlepaddle至2.2.1
!pip install paddlepaddle-gpu==2.2.1.post101 -f https://www.paddlepaddle/whl/linux/mkl/avx/stable.html

%cd /home/work/PaddleSeg/
!pip install -r requirements.txt
!python setup.py install
# 安装好上面的部分，paddleSeg的依赖库就安装好了

%cd /home/work/PaddleDetection/
!pip install -r requirements.txt
!python setup.py install
# 安装好上面的部分，paddleDetection的依赖库就安装好了

第二步:导出已训练完成的模型

# 检测训练完成后，模型将会被保存在output/ppyolov2_r50vd_dcn_optimize/中，根据eval的效果，会保存出best_model.pdparams，这里使用这个模型进行静态图转换
%cd /home/work/PaddleDetection/
!python tools/export_model.py -c  configs/yidaiyilu/ppyolov2_r50vd_dcn_optimize.yml  -o weights=output/ppyolov2_r50vd_dcn_optimize/best_model.pdparams

# 分割训练完成后，模型将会被保存在output/中，根据eval的效果，会保存出best_model.pdparams，这里使用这个模型进行静态图转换
%cd /home/work/PaddleSeg/
!python export.py --config configs/hardnet/hardnet_ydyl.yml --model_path output/best_model/model.pdparams

# 转换好之后将两个都保存到一起
\cp -r /home/work/PaddleDetection/output_inference/ppyolov2_r50vd_dcn_optimize/* /home/work/home/aistudio/work/home/aistudio/work/PaddlePrediction/model/detection/
\cp -r /home/work/PaddleSeg/output/model* /home/work/home/aistudio/work/home/aistudio/work/PaddlePrediction/model/segmentation/
\cp -r /home/work/PaddleSeg/output/deploy* /home/work/home/aistudio/work/home/aistudio/work/PaddlePrediction/model/segmentation

**第三步：模型推理

**

# 最后准备predict.py脚本进行预测（这里predict.py脚本已经写好，其中默认使用的模型就是model下面的模型# predict.py脚本是根据paddledetection/deploy/python/infer.py和PaddleSeg/deploy/python/infer.py修改合成而来，仅供参考
# 【1】模型保存 PaddlePrediction/model/
# 【2】预测数据 PaddlePrediction/demo_data/
# 【3】文件列表 PaddlePrediction/data.txt
# 【4】预测脚本 PaddlePrediction/predict.py
%cd /home/work/PaddlePrediction/
!python predict.py

**第四步：截图打卡

**