代码拉取完成，页面将自动刷新
同步操作将从 PaddlePaddle/FastDeploy 强制同步，此操作会覆盖自 Fork 仓库以来所做的任何修改，且无法恢复！！！
确定后同步将在后台操作，完成时将刷新页面，请耐心等待。
本目录下提供infer.cc快速完成PP-MSVSR在CPU/GPU，以及GPU上通过TensorRT加速部署的示例。
在部署前，需确认以下两个步骤
以Linux上 PP-MSVSR 推理为例，在本目录执行如下命令即可完成编译测试，支持此模型需保证FastDeploy版本0.7.0以上(x.x.x>=0.7.0)
mkdir build
cd build
# 下载FastDeploy预编译库，用户可在上文提到的`FastDeploy预编译库`中自行选择合适的版本使用
wget https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-linux-x64-x.x.x.tgz
tar xvf fastdeploy-linux-x64-x.x.x.tgz
cmake .. -DFASTDEPLOY_INSTALL_DIR=${PWD}/fastdeploy-linux-x64-x.x.x
make -j
# 下载PP-MSVSR模型文件和测试视频
wget https://bj.bcebos.com/paddlehub/fastdeploy/PP-MSVSR_reds_x4.tar
tar -xvf PP-MSVSR_reds_x4.tar
wget https://bj.bcebos.com/paddlehub/fastdeploy/vsr_src.mp4
# CPU推理
./infer_demo PP-MSVSR_reds_x4 vsr_src.mp4 0 2
# GPU推理
./infer_demo PP-MSVSR_reds_x4 vsr_src.mp4 1 2
# GPU上TensorRT推理
./infer_demo PP-MSVSR_reds_x4 vsr_src.mp4 2 2
以上命令只适用于Linux或MacOS, Windows下SDK的使用方式请参考:
fastdeploy::vision::sr::PPMSVSR(
const string& model_file,
const string& params_file = "",
const RuntimeOption& runtime_option = RuntimeOption(),
const ModelFormat& model_format = ModelFormat::PADDLE)
PP-MSVSR模型加载和初始化，其中model_file为导出的Paddle模型格式。
参数
- model_file(str): 模型文件路径
- params_file(str): 参数文件路径
- runtime_option(RuntimeOption): 后端推理配置，默认为None，即采用默认配置
- model_format(ModelFormat): 模型格式，默认为Paddle格式
PPMSVSR::Predict(std::vector<cv::Mat>& imgs, std::vector<cv::Mat>& results)模型预测接口，输入图像直接输出检测结果。
参数
- imgs: 输入视频帧序列，注意需为HWC，BGR格式
- results: 视频超分结果，超分后的视频帧序列
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。
马建仓 AI 助手