mirror of
https://github.com/RapidAI/RapidOCR.git
synced 2026-11-11 13:30:51 +08:00
61 lines
2.1 KiB
Markdown
Executable File
61 lines
2.1 KiB
Markdown
Executable File
### 目录说明
|
|
- `onnxruntime_infer`: 基于ONNXRuntime推理引擎推理
|
|
- `openvino_infer`: 基于OpenVINO推理引擎推理
|
|
|
|
### TODO
|
|
- [ ] 模型转INT8，尚未找到转换代码
|
|
- [ ] 其他推理模型代码整理
|
|
- [ ] 模型转换代码整理
|
|
|
|
### 关于OpenVINO
|
|
- OpenVINO可以直接推理ONNX模型，可以不用转换直接使用之前ONNX模型
|
|
- OpenVINO推理速度更快，但是从对比来看，占用内存更多，目前正在排查原因
|
|
|
|
### OpenVINO与ONNXRuntime性能对比
|
|
- 推理设备：`Windows 64位 Intel(R) Core(TM) i5-4210M CPU @ 2.60GHz 2.59 GHz`
|
|
- 测试图像宽高: `12119x810`
|
|
|
|
| 测试模型 | 推理框架 | 占用内存(3次平均) | 推理时间(3次平均) |
|
|
| ------------------------------------ | -------------------- | ----------------- | ----------------- |
|
|
| `ch_PP-OCRv2_det_infer.onnx` | `ONNXRuntime=1.10.0` | 0.8G | 5.354s |
|
|
| `ch_PP-OCRv2_det_infer.onnx` | `openvino=2022.1.0` | 3.225G | 2.53s |
|
|
| `ch_PP-OCRv2_det_infer.xml` FP32 | `openvino=2022.1.0` | 3.175G | 2.0455s |
|
|
|
|
|
|
### OpenVINO与ONNXRuntime推理代码写法对比
|
|
NOTE: 以`ch_ppocr_mobile_v2_det`中推理代码为例子
|
|
|
|
- ONNXRuntime
|
|
```python
|
|
import onnxruntime
|
|
|
|
# 声明
|
|
sess_opt = onnxruntime.SessionOptions()
|
|
sess_opt.log_severity_level = 4
|
|
sess_opt.enable_cpu_mem_arena = False
|
|
self.session = onnxruntime.InferenceSession(det_model_path, sess_opt)
|
|
self.input_name = self.session.get_inputs()[0].name
|
|
self.output_name = self.session.get_outputs()[0].name
|
|
|
|
# 推理
|
|
preds = self.session.run([self.output_name],
|
|
{self.input_name: img})
|
|
```
|
|
|
|
- OpenVINO
|
|
```python
|
|
from openvino.runtime import Core
|
|
|
|
# 初始化
|
|
ie = Core()
|
|
model_onnx = ie.read_model(det_model_path)
|
|
compile_model = ie.compile_model(model=model_onnx,
|
|
device_name='CPU')
|
|
self.vino_session = compile_model.create_infer_request()
|
|
|
|
# 推理
|
|
self.vino_session.infer(inputs=[img])
|
|
vino_preds = self.vino_session.get_output_tensor().data
|
|
```
|
|
|