6.计算机视觉模型部署-边缘设备深度学习应用案例.pptxVIP

计算机视觉模型部署

计算机视觉模型应用

课堂导入

模型的部署方式

本地部署

边缘设备部署

项目描述

在训练完深度学习模型之后，该如何快速实现模型的落地部署呢？

首先应该针对不同场景的需求，选择对应的部署方式进行部署，部署完成之后对其进行测试验证。首先是模型的应用场景，根据应用场景就可以获取到对应的性能等要求。

应用场景

基于网络

基于CPU

离线

线上

基于GPU

服务端

部署

轻量级

服务化

PaddleLite

OpenVINO

树莓派

部署

边缘设备

部署

百度

PaddleX

项目描述

百度PaddleX针对模型部署推出了各种部署方法，如轻量级服务化部署、服务端部署、边缘设备部署、PaddleLite移动端部署、OpenVINO部署以及树莓派部署，同时针对不同的部署方式，对于部署的模型要求以及系统环境要求都有所不同，需要根据不同的部署方式对模型进行转换，对环境进行编译等操作，部署完成之后需要对模型进行预测测试。

项目描述

对于本次项目案例，将把前面训练好的垃圾分类模型导出为部署格式，将其保存到指定路径下，使用单张图片实现对模型的预测，若拥有边缘设备也可将模型部署到边缘设备上，需要经过以下步骤：

边缘设备深度学习应用案例

当今的社会到处都有人工智能的影子，通过将深度学习模型部署到边缘设备上，实现在不同场景的应用，以下为深度学习模型部署到边缘设备在不同场景下的应用。

消防设备报警系统

温湿度

设备控制系统

照明设备管理系统

安全帽

检测系统