代码拉取完成，页面将自动刷新
同步操作将从 PaddlePaddle/PaddleSeg 强制同步，此操作会覆盖自 Fork 仓库以来所做的任何修改，且无法恢复！！！
确定后同步将在后台操作，完成时将刷新页面，请耐心等待。
简体中文 | English
使用PaddleSeg训练好模型后，我们将模型导出为预测模型、使用预测库进行部署，可以实现更快的推理速度。
本教程基于一个示例介绍模型导出的过程。
完成模型训练后，精度最高的模型权重保存在path/to/save/best_model/model.pdparams。
本示例为了演示方便，大家执行如下命令或者点击链接下载PP-LiteSeg模型训练好的权重。
wget https://paddleseg.bj.bcebos.com/dygraph/cityscapes/pp_liteseg_stdc1_cityscapes_1024x512_scale0.5_160k/model.pdparams
在PaddleSeg根目录下，执行如下命令，导出预测模型，保存在output/inference_model目录。
python tools/export.py \
--config configs/pp_liteseg/pp_liteseg_stdc1_cityscapes_1024x512_scale0.5_160k.yml \
--model_path model.pdparams \
--save_dir output/inference_model
导出脚本参数解释：
| 参数名 | 用途 | 是否必选项 | 默认值 |
|---|---|---|---|
| config | 配置文件的路径 | 是 | - |
| model_path | 模型权重的路径 | 否 | - |
| save_dir | 预测模型保存的目录 | 否 | ./output/inference_model |
| input_shape | 设置模型的输入shape (N*C*H*W)，比如传入--input_shape 1 3 1024 1024。如果不设置input_shape，默认导出模型的输入shape是[-1, 3, -1, -1]。 预测shape固定时，建议指定input_shape参数。 |
否 | None |
| output_op | 设置在模型末端添加的输出算子，支持[argmax, softmax, none]。PaddleSeg模型默认返回logits (N*C*H*W)；添加argmax算子，可以得到每个像素的分割类别，结果的维度是N*H*W、数据类型是int32；添加softmax算子，可以得到每个像素每类的概率，结果的维度是N*C*H*W、数据类型是float32
|
否 | argmax |
| with_softmax | 即将废弃的输入参数，建议使用--output_op。在网络末端添加softmax算子。由于PaddleSeg组网默认返回logits，如果想要部署模型获取概率值，可以置为True |
否 | False |
| without_argmax | 即将废弃的输入参数，建议使用--output_op。由于PaddleSeg组网默认返回logits，为部署模型可以直接获取预测结果，我们默认在网络末端添加argmax算子。如果设置--without_argmax，则不会在网络末端添加argmax算子。 |
否 | False |
注意：
如下是导出的预测模型文件。
output/inference_model
├── deploy.yaml # 部署相关的配置文件，主要说明数据预处理方式等信息
├── model.pdmodel # 预测模型的拓扑结构文件
├── model.pdiparams # 预测模型的权重文件
└── model.pdiparams.info # 参数额外信息，一般无需关注
导出预测模型后，我们可以使用以下方式部署模型：
| 部署场景 | 使用预测库 | 教程 |
|---|---|---|
| 服务器端(Nvidia GPU和X86 CPU) Python部署 | Paddle Inference | 文档 |
| 服务器端(Nvidia GPU和X86 CPU) C++端部署 | Paddle Inference | 文档 |
| 移动端部署 | Paddle Lite | 文档 |
| 服务化部署 | Paddle Serving | 文档 |
| 前端部署 | Paddle JS | 文档 |
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。