【6】图像分类部署

星云 2024/7/5 图像分类

【6】图像分类部署

# 前言

包括将训练好的模型部署在本地终端、web端、小程序上、qt界面化。

在这里插入图片描述

# 一、将pytorch模型转为ONNX

因为mobilenet模型在GPU上训练得到，要使其在CPU 上进行模型推理，需要确保模型的权重被正确地加载到CPU上。

然后再将获得的在CPU上进行推理的pytorch模型转化为ONNX模型。并可使用Netron可视化模型结构。

# 二、本地终端部署

# 2.1. ONNX Runtime部署

使用推理引擎ONNX Runtime，读取onnx格式的模型文件，对单张图像、视频进行预测。

# 2.2. pytorch模型部署（补充）

不将.pth模型文件转化为onnx模型文件，而是直接部署pytorch模型文件

# 三、使用flask的web网页部署

flask+bootstrap+jquery+mysql搭建三叶青在线识别网站，使用nginx+gunicorn将网站部署在腾讯云上，配置SSL证书。网站地址：https://www.whtuu.cn

参考我的另外一篇文章：使用flask的web网页部署介绍 (opens new window)

# 四、微信小程序部署

利用uniapp+微信开发者工具+flask后端开发了三叶青图像识别微信小程序。

参考我的另外一篇文章：微信小程序部署 (opens new window)

# 五、使用pyqt界面化部署

pyqt+opencv开发的图像识别qt界面目前共有五个主要界面：软件介绍界面、省份识别、浙产识别、产地识别界面、以及自定义识别页面。

参考我的另外一篇文章：使用pyqt界面化部署 (opens new window)

# 总结

本文主要介绍了如何将pytorch模型转为ONNX模型文件以及如何将图像识别模型部署，包括部署在本地、部署在web网页、小程序、qt界面部署。

2024/6/13

阅读量：

星云文档

Choose mode

【6】图像分类部署

【6】图像分类部署

# 前言

# 一、将pytorch模型转为ONNX

# 二、本地终端部署

# 2.1. ONNX Runtime部署

# 2.2. pytorch模型部署（补充）

# 三、使用flask的web网页部署

# 四、微信小程序部署

# 五、使用pyqt界面化部署

# 总结

评论：

星云文档

【6】图像分类部署

【6】图像分类部署

# 前言

# 一、将pytorch模型转为ONNX

# 二、本地终端部署

# 2.1. ONNX Runtime部署

# 2.2. pytorch模型部署（补充）

# 三、使用flask的web网页部署

# 四、微信小程序部署

# 五、使用pyqt界面化部署

# 总结

评 论：

评论：