pytorch 33 使用mmdeploy将mmdetection模型转换为onnx,并基于mmdeploy-sdk实现c++

使用mmdeploy可以将mmdetection模型转换为onnx格式，让模型在不同的平台和框架之间进行转换和迁移。同时，mmdeploy-sdk可以使用c语言进行实现，可以将onnx格式的模型部署到C/C++环境中。

要使用mmdeploy将mmdetection模型转换为onnx，首先需要安装mmcv-full和mmdetection。安装完成后，使用以下命令将模型转换为onnx：

python tools/deploy/export_onnx.py ${CONFIG_FILE} ${CHECKPOINT_FILE} ${ONNX_FILE} --input-img ${IMG_SHAPE}

其中${CONFIG_FILE}为模型的配置文件，${CHECKPOINT_FILE}为训练好的模型文件，${ONNX_FILE}为生成的onnx文件名称，${IMG_SHAPE}为输入图像的形状。

转换为onnx后，可以使用mmdeploy-sdk对模型进行部署。首先需要在C环境下使用mmdeploy-sdk的API读取onnx模型文件，然后使用C语言的库函数对模型进行推理。

使用mmdeploy-sdk的API读取onnx模型文件，代码如下：

#include <stdlib.h>
#include <string.h>
#include <assert.h>
#include "mmdeploy.h"

int main(int argc, char **argv) {
  flexbuffer *model;
  mmsession *session;
  const char *model_path = argv[1];
  
  /* 读取onnx模型文件 */
  model = read_flexbuffer_file(model_path);
  assert(model);

  /* 创建session */
  session = create_session(model);
  assert(session);

  /* 设置输入数据 */
  set_input_data(session, input_data);

  /* 进行推理，获取输出数据 */
  get_output_data(session, output_data);

  return 0;
}

使用C语言的库函数对模型进行推理，主要的工作是对输入数据进行预处理，并调用session的run方法进行推理，代码如下：

#include <stdlib.h>
#include <string.h>
#include <assert.h>
#include "mmdeploy.h"

int main(int argc, char **argv) {
  flexbuffer *model;
  mmsession *session;
  float *input_buf, *output_buf;

  /* 预处理输入数据 */
  input_buf = preprocess_input(input_data);

  /* 读取onnx模型文件 */
  model = read_flexbuffer_file(argv[1]);
  assert(model);

  /* 创建session */
  session = create_session(model);
  assert(session);

  /* 设置输入数据 */
  set_input_data(session, input_data);

  /* 进行推理，获取输出数据 */
  get_output_data(session, output_data);

  /* 对输出数据进行后处理 */
  output_buf = postprocess_output(output_data);

  return 0;
}

在使用mmdeploy-sdk进行C语言实现时，需要注意模型的输入和输出数据类型和形状，以及预处理和后处理函数的编写。通过以上步骤，就可以使用mmdeploy将mmdetection模型转换为onnx，并使用mmdeploy-sdk实现C语言部署。