FastDeploy is a toolkit to deploy deeplearning models.
Project description
FastDeploy
特性 | 安装 | 快速开始 | 社区交流
FastDeploy是一款简单易用的推理部署工具箱。覆盖业界主流优质预训练模型并提供开箱即用的开发体验,包括图像分类、目标检测、图像分割、人脸检测、人体关键点识别、文字识别等多任务,满足开发者多场景,多硬件、多平台的快速部署需求。
News 📢
-
🔥 2022.6.30 B站飞桨直播课,FastDeploy天使用户邀测沟通会,与开发者共同讨论推理部署痛点问题。
-
🔥 2022.6.27 FastDeploy v0.1邀测版发布!🎉
- 💎 第一批发布对于40个重点模型在8种重点软硬件环境的支持的SDK
- 😊 支持网页端、pip包两种下载使用方式
特性
📦开箱即用的推理部署工具链,支持云边端、多硬件、多平台部署
- 网页端点选下载、PIP 安装一行命令,快速下载多种类型SDK安装包
- 云端(含服务器、数据中心):
- 支持一行命令启动 Serving 服务(含网页图形化展示)
- 支持一行命令启动图像、本地视频流、本地摄像头、网络视频流预测
- 支持 Window、Linux 操作系统
- 支持 Python、C++ 编程语言
- 边缘端:
- 支持 NVIDIA Jetson 等边缘设备,支持视频流预测服务
- 端侧(含移动端)
- 支持 iOS、Android 移动端
- 支持 ARM CPU 端侧设备
- 支持主流硬件
- 支持 Intel CPU 系列(含酷睿、至强等)
- 支持 ARM CPU 全系(含高通、MTK、RK等)
- 支持 NVIDIA GPU 全系(含 V100、T4、Jetson 等)
🤗丰富的预训练模型,轻松下载SDK搞定推理部署
模型 | 任务 | 大小(MB) | 端侧 | 移动端 | 移动端 | 边缘端 | 服务器+云端 | 服务器+云端 | 服务器+云端 | 服务器+云端 |
---|---|---|---|---|---|---|---|---|---|---|
----- | ---- | ----- | Linux | Android | iOS | Linux | Linux | Linux | Windows | Windows |
----- | ---- | --- | ARM CPU | ARM CPU | ARM CPU | Jetson | X86 CPU | GPU | X86 CPU | GPU |
PP-LCNet | Classfication | 11.9 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
PP-LCNetv2 | Classfication | 26.6 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
EfficientNet | Classfication | 31.4 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
GhostNet | Classfication | 20.8 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
MobileNetV1 | Classfication | 17 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
MobileNetV2 | Classfication | 14.2 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
MobileNetV3 | Classfication | 22 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
ShuffleNetV2 | Classfication | 9.2 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
SqueezeNetV1.1 | Classfication | 5 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
Inceptionv3 | Classfication | 95.5 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
PP-HGNet | Classfication | 59 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
ResNet50_vd | Classfication | 102.5 | ❌ | ❌ | ❌ | ✅ | ✅ | ✅ | ✅ | ✅ |
SwinTransformer_224_win7 | Classfication | 352.7 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
PP-PicoDet_s_320_coco | Detection | 4.1 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
PP-PicoDet_s_320_lcnet | Detection | 4.9 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
CenterNet | Detection | 4.8 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
YOLOv3_MobileNetV3 | Detection | 94.6 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
PP-YOLO_tiny_650e_coco | Detection | 4.4 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
SSD_MobileNetV1_300_120e_voc | Detection | 23.3 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
YOLOX_Nano_300e_coco | Detection | 3.7 | ❌ | ❌ | ❌ | ✅ | ✅ | ✅ | ✅ | ✅ |
PP-YOLO_ResNet50vd | Detection | 188.5 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
PP-YOLOv2_ResNet50vd | Detection | 218.7 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
PP-YOLO_crn_l_300e_coco | Detection | 209.1 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
YOLOv5s | Detection | 29.3 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
Faster R-CNN_r50_fpn_1x_coco | Detection | 167.2 | ❌ | ❌ | ❌ | ✅ | ✅ | ✅ | ✅ | ✅ |
BlazeFace | Face Detection | 1.5 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
RetinaFace | Face Localisation | 1.7 | ✅ | ❌ | ❌ | ✅ | ✅ | ✅ | ✅ | ✅ |
PP-TinyPose | Keypoint Detection | 5.5 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
PP-LiteSeg(STDC1) | Segmentation | 32.2 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
PP-HumanSeg-Lite | Segmentation | 0.556 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
HRNet-w18 | Segmentation | 38.7 | ✅ | ✅ | ✅ | ❌ | ✅ | ✅ | ✅ | ✅ |
Mask R-CNN_r50_fpn_1x_coco | Segmentation | 107.2 | ❌ | ❌ | ❌ | ✅ | ✅ | ✅ | ✅ | ✅ |
PP-HumanSeg-Server | Segmentation | 107.2 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
Unet | Segmentation | 53.7 | ❌ | ✅ | ❌ | ❌ | ✅ | ✅ | ✅ | ❌ |
Deeplabv3-ResNet50 | Segmentation | 156.5 | ❌ | ❌ | ❌ | ❌ | ✅ | ✅ | ✅ | ✅ |
PP-OCRv1 | OCR | 2.3+4.4 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
PP-OCRv2 | OCR | 2.3+4.4 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
PP-OCRv3 | OCR | 2.4+10.6 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
PP-OCRv3-tiny | OCR | 2.4+10.7 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
SDK安装
方式1:网页版下载安装
- 可以登录EasyEdge网页端下载SDK
方式2:pip安装
开发者可以通过pip安装fastdeploy-python
来获取最新的下载链接
-
环境依赖
python >= 3.6
-
安装方式
pip install fastdeploy-python --upgrade
-
使用方式
- 列出FastDeploy当前支持的所有模型
fastdeploy --list_models
- 下载模型在具体平台和对应硬件上的部署SDK以及示例
fastdeploy --download_sdk \ --model PP-PicoDet-s_320 \ --platform Linux \ --soc x86-NVIDIA-GPU \ --save_dir .
- 参数说明
list_models
: 列出FastDeploy当前最新支持的所有模型download_sdk
: 下载模型在具体平台和对应硬件上的部署SDK以及示例model
: 模型名,如"PP-PicoDet-s_320",可通过list_models
查看所有的可选项platform
: 部署平台,支持 Windows/Linux/Android/iOSsoc
: 部署硬件,支持Intel-x86_64/x86-NVIDIA-GPU/ARM/Jetsonsave_dir
: SDK下载保存目录
SDK使用
1 云+服务器部署
- Linux 系统(X86 CPU、NVIDIA GPU)
- Window系统(X86 CPU、NVIDIA GPU)
2 边缘侧部署
- ArmLinux 系统(NVIDIA Jetson Nano/TX2/Xavier)
3 端侧部署
- ArmLinux 系统(ARM CPU)
4 移动端部署
5 自定义模型部署
社区交流
- 加入社区👬: 微信扫描二维码后,填写问卷加入交流群,与开发者共同讨论推理部署痛点问题
Acknowledge
本项目中SDK生成和下载使用了EasyEdge中的免费开放能力,再次表示感谢。
License
FastDeploy遵循Apache-2.0开源协议。
Project details
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distributions
No source distribution files available for this release.See tutorial on generating distribution archives.
Built Distribution
File details
Details for the file fastdeploy_python-0.0.9-py3-none-any.whl
.
File metadata
- Download URL: fastdeploy_python-0.0.9-py3-none-any.whl
- Upload date:
- Size: 14.4 kB
- Tags: Python 3
- Uploaded using Trusted Publishing? No
- Uploaded via: twine/4.0.1 CPython/3.8.8
File hashes
Algorithm | Hash digest | |
---|---|---|
SHA256 | 7ee70d136d530dde43a93b70f15f5ed6a1532af172a76a18b8482b18c85148eb |
|
MD5 | c04d0806efeff93988c340c9e45aa459 |
|
BLAKE2b-256 | 289c6a5bda83d76c5bb4253789c96c95a8211c895226873b5a160cb781cb46e0 |