使用 TAO Deploy 进行分类 (TF1)
从 tao model export 生成的 TF1 分类 .onnx 文件被用作 tao deploy 的输入，以生成优化的 TensorRT 引擎。有关训练 TF1 分类的更多信息，请参阅 TF1 分类训练文档。
可以使用与 tao model classification_tf1 export 命令相同的 spec 文件。
使用以下命令运行 TF1 分类引擎生成
tao deploy classification_tf1 gen_trt_engine [-h] [-v]
-m MODEL_PATH
-e EXPERIMENT_SPEC
-r RESULTS_DIR
[-k KEY]
[--data_type {fp32,fp16,int8}]
[--engine_file ENGINE_FILE]
[--cal_image_dir CAL_IMAGE_DIR]
[--cal_data_file CAL_DATA_FILE]
[--cal_cache_file CAL_CACHE_FILE]
[--max_batch_size MAX_BATCH_SIZE]
[--min_batch_size MIN_BATCH_SIZE]
[--opt_batch_size OPT_BATCH_SIZE]
[--batch_size BATCH_SIZE]
[--batches BATCHES]
[--max_workspace_size MAX_WORKSPACE_SIZE]
[-s STRICT_TYPE_CONSTRAINTS]
[--gpu_index GPU_INDEX]
[--log_file LOG_FILE]
必需参数
-m, --model_path: 要转换的.onnx或.etlt模型-e, --experiment_spec: 用于设置 TensorRT 引擎生成的实验 spec 文件。这应该与导出规范文件相同。-r, --results_dir: 将转储 JSON 状态日志文件的目录
可选参数
-h, --help: 显示此帮助消息并退出。-k, --key: 用于加载.etlt模型的用户特定编码密钥--data_type: 所需的引擎数据类型。选项为fp32、fp16、int8。默认值为fp32。校准缓存将在 INT8 模式下生成。如果使用 INT8，则需要以下 INT8 参数。--engine_file: 序列化的 TensorRT 引擎文件的路径。请注意，此文件是硬件特定的，不能跨 GPU 通用。由于 TensorRT 引擎文件是硬件特定的，因此除非部署 GPU 与训练 GPU 完全相同，否则您不能将此引擎文件用于部署。-s, --strict_type_constraints: 一个布尔标志，指示在构建 TensorRT 引擎时是否应用 TensorRT 严格类型约束。--gpu_index: 用于导出模型的（离散）GPU 的索引。如果机器安装了多个 GPU，您可以指定要运行导出的 GPU 的索引。请注意，gen_trt_engine 只能在单个 GPU 上运行。--log_file: 日志文件的路径。默认路径为“stdout”。
INT8 引擎生成必需参数
--cal_data_file: 为校准引擎生成的 Tensorfile。如果与--cal_image_dir一起使用，它也可以是输出文件。--cal_image_dir: 用于校准的图像目录。
--cal_image_dir 参数用于图像，并应用必要的预处理以在 --cal_data_file 参数中提到的路径生成 tensorfile，该文件反过来用于校准。tensorfile 中批次的数量是从设置为 --batches 参数的值获得的，而 batch_size 是从设置为 --batch_size 参数的值获得的。确保 --cal_image_dir 中提到的目录至少有 batch_size * batches 张图像。有效的图像扩展名是 .jpg、.jpeg 和 .png。在这种情况下，校准张量的 input_dimensions 是从 .etlt 模型的输入层派生的。
INT8 引擎生成可选参数
--cal_cache_file: 用于保存校准缓存文件的路径。默认值为./cal.bin。--batches: 用于校准的批次数。默认值为 10。--batch_size: 用于校准的批次大小。默认值为 1。--max_batch_size: TensorRT 引擎的最大批次大小。默认值为 1。--min_batch_size: TensorRT 引擎的最小批次大小。默认值为 1。--opt_batch_size: TensorRT 引擎的最佳批次大小。默认值为 1。--max_workspace_size: TensorRT 引擎的最大工作区大小（Gb）。默认值为：(2 Gb)。
示例用法
以下是使用 gen_trt_engine 命令生成 INT8 TensorRT 引擎的示例
tao deploy classification_tf1 gen_trt_engine -m /workspace/mcls.onnx \
-e /workspace/default_spec.txt \
-r /export/ \
--cal_image_dir /workspace/tao-experiments/data/split/test \
--data_type int8 \
--batch_size 8 \
--batches 10 \
--cal_cache_file /export/cal.bin \
--cal_data_file /export/cal.tensorfile \
--engine_file /export/int8.engine
与 TAO 评估 spec 文件相同的 spec 文件。示例 spec 文件
model_config {
arch: "resnet",
n_layers: 18
use_batch_norm: true
all_projections: true
input_image_size: "3,224,224"
}
train_config {
preprocess_mode: "caffe"
}
eval_config {
eval_dataset_path: "/workspace/tao-experiments/data/split/test"
model_path: "/workspace/tao-experiments/classification_tf1/output_retrain/weights/resnet_080.tlt"
top_k: 3
batch_size: 256
n_workers: 8
enable_center_crop: True
}
使用以下命令运行 TF1 分类引擎评估
tao deploy classification_tf1 evaluate [-h]
-e EXPERIMENT_SPEC
-m MODEL_PATH
-r RESULTS_DIR
[-i IMAGE_DIR]
[-c CLASSMAP]
[-b BATCH_SIZE]
[--gpu_index GPU_INDEX]
[--log_file LOG_FILE]
必需参数
-e, --experiment_spec: 用于评估的实验 spec 文件。这应该与 tao evaluate 规范文件相同。-m, --model_path: 要运行评估的引擎文件。-r, --results_dir: 将存储评估结果的目录
可选参数
-i, --image_dir: 测试图像所在的目录。如果未指定，将使用 spec 文件中的eval_config.eval_dataset_path。-c, --classmap: 指定类索引和标签映射的 json 文件。-b, --batch_size: 用于评估的批次大小。请注意，此值不能大于引擎生成期间使用的--max_batch_size。
示例用法
以下是使用 evaluate 命令运行 TensorRT 引擎评估的示例
tao deploy classification_tf1 evaluate -m /export/int8.engine \
-e /workspace/default_spec.txt \
-i /workspace/tao-experiments/data/split/test \
-r /workspace/tao-experiments/evaluate
tao deploy classification_tf1 inference [-h]
-e EXPERIMENT_SPEC
-m MODEL_PATH
-r RESULTS_DIR
[-i IMAGE_DIR]
[-b BATCH_SIZE]
[--gpu_index GPU_INDEX]
[--log_file LOG_FILE]
必需参数
-e, --experiment_spec: 用于评估的实验 spec 文件。这应该与 tao evaluate 规范文件相同。-m, --model_path: 要运行评估的引擎文件。-r, --results_dir: 将存储评估结果的目录
可选参数
-i, --image_dir: 测试图像所在的目录。如果未指定，将使用 spec 文件中的eval_config.eval_dataset_path。-c, --classmap: 指定类索引和标签映射的 json 文件。-b, --batch_size: 用于评估的批次大小。请注意，此值不能大于引擎生成期间使用的--max_batch_size。
示例用法
以下是使用 inference 命令运行 TensorRT 引擎推理的示例
tao deploy classification_tf1 evaluate -m /export/int8.engine \
-e /workspace/default_spec.txt \
-i /workspace/tao-experiments/data/split/test \
-r /workspace/tao-experiments/evaluate
csv 预测将存储在 $RESULTS_DIR/result.csv 下。