基于DeploySharp 的深度学习模型部署测试平台：支持YOLO全系列模型

1. 程序获取和下载

    基于DeploySharp 开发的深度学习模型部署测试平台，提供了YOLO框架的主流系列模型，包括YOLOv5~v13，以及其系列下的Detection、Segmentation、Oriented Bounding Box、Human Pose Estimation等应用场景。模型部署引擎支持OpenVINO™、ONNX runtime，支持CPU、IGPU以及GPU多种设备推理。项目链接为：

1. https://github.com/guojin-yan/DeploySharp/tree/DeploySharpV1.0/applications

复制代码

    如果你想快速使用该平台，可以加入QQ技术交流群通过群文件下载，或者通过GitHub在DeploySharp 项目中下载。

1. git clone https://github.com/guojin-yan/DeploySharp.git
2. cd DeploySharp/applications

复制代码

    打开指定目录后，直接打开DeploySharp-Applications.sln解决方案即可。

    打开解决方案后，资源管理器中有两个项目，一个是.NET 6.0框架，一个是.NET Framework 4.8框架，用户可以根据自己需求进行运行。

    程序运行后页面如下图所示：

2. 平台介绍

2.1 支持的模型选项

基于DeploySharp 开发的深度学习模型部署测试平台所支持的模型列表与DeploySharp 库一致，后续会跟着DeploySharp 迭代进行同步更新，具体支持的模型：

开发者在使用时，可以根据自己需求进行选择，但在使用时，模型路径“Model Path”选择的模型类型，要和“Model Type保持一致，否者程序运行可能出差或者结果出现错误。

2.2 支持的推理引擎工具

基于DeploySharp 开发的深度学习模型部署测试平台所支持多种推理引擎，其中已经开发完成并已经支持的有OpenVINO和ONNX Runtime，其中TensorRT正在开发中，不日后会完成支持。

其中当推理设备选择ONNX Runtime时，还可以选择ONNX Runtime运行的推理引擎，支持的内容如下图所示：

​    ONNX Runtime支持的更多加速方式，需要用户自己进行代码构建，其构建流程与方式，参考官方教程即可，链接为：

1. https://runtime.onnx.org.cn/docs/execution-providers/

复制代码

2.3 支持的推理设备

同时用户还可以选择不同的推理设备，包括AUTO、CPU、GPU0、GPU1、NPU，其中GPU0、GPU1表示的含义要在使用的推理引擎工具中确定。

3. 推理引擎和设备匹配使用

推理引擎推理设备ONNX加速OpenVINOAUTO，CPU，GPU0(Intel 集显)，GPU1(Intel 独显)，NPUDefaultONNX RuntimeCPUDefaultONNX RuntimeAUTO，CPU，GPU0(Intel 集显)，GPU1(Intel 独显)，NPUOpenVINOONNX RuntimeGPU0(英伟达独显)，GPU1(英伟达独显)CudaONNX RuntimeGPU0，GPU1DML4. 程序运行示例

在对应的项目中，图像处理库已经安装，不同项目就是使用的不同图像处理库，下面演示使用不同的模型推理引擎使用流程。
4.1 OpenVINO推理

所下载的项目中已经配置好了OpenVINO环境，选择模型和图片后，直接运行即可。推理结果如下图所示：

如果使用的是.NET Framework 4.8框架，在程序运行前，请卸载并重新安装一下OpenVINO.runtime.win  NuGet Package，重新生成项目后，进入到项目bin/Debug或者bin/Release目录，找到该目录下的文件夹dll/win-x64，在该目录下可以看到openvino_c.dll文件，然后将该目录下所有文件，复制到bin/Debug或者bin/Release目录下，重新再生成一下项目。如果使用的.NET 6.0框架，

4.2 ONNX Runtime推理

如果只是用ONNX Runtime推理，不需要安装其他的依赖既可以使用，默认只能使用CPU推理，如下图所示：

4.3 ONNX Runtime推理 + OpenVINO加速

如果是用ONNX Runtime推理并配合OpenVINO加速，则需要安装额外的依赖库:

1. Intel.ML.OnnxRuntime.OpenVino

复制代码

安装完成后，运行程序即可，其中原生OpenVINO支持的推理设备AUTO、CPU、GPU0(Intel 集显)、GPU1(Intel 独显)、NPU，在此处均可以使用，如下图所示：

如果使用的是.NET Framework 4.8框架，安装完Intel.ML.OnnxRuntime.OpenVino后，如果依旧报错：”无法在 DLL“onnxruntime”中找到名为“OrtSessionOptionsAppendExecutionProvider_OpenVINO”的入口点。”，可以找到Intel.ML.OnnxRuntime.OpenVino包目录，然后将该目录下的所有dll文件，复制到项目的bin/Debug或者bin/Release目录下即可。

4.4 ONNX Runtime推理 + DML加速

如果是用ONNX Runtime推理并配合DML加速，则需要安装额外的依赖库:

1. Microsoft.ML.OnnxRuntime.DirectML

复制代码

安装完成后，运行程序即可，此处可以使用GPU、GPU1，如下图所示：

5.模型运行时间测试

​    在开发的模型部署平台上进行时间测试，当前的测试环境为：

• CPU: Intel(R) Core(TM) Ultra 9 288V
  
• IGPU: Intel(R) Arc(TM) 140V GPU (16GB)
  
• NPU: Intel(R) AI Boost
  

在同一环境下，对其中一些模型进行了测试，如下表所示：
Model NameOpenVINO CPUOpenVINO IGPUOpenVINO NPUONNX Runtime CPUONNX Runtime OpenVINO CPUONNX Runtime  DirectML IGPUYOLOv5s-det16.84 FPS60.23 FPS48.36 FPS21.06 FPS16.80 FPS40.11 FPSYOLOv5-seg8.91 FPS21.24 FPS20.11 FPS10.86 FPS8.56 FPS16.54 FPSYOLOv8s-det12.02 FPS67.74 FPS51.84 FPS14.84 FPS11.52 FPS36.38 FPSYOLOv8s-seg6.30 FPS15.96 FPS14.09 FPS7.17 FPS6.24 FPS12.71 FPSYOLOv8s-obb4.61 FPS35.13 FPS20.02 FPS5.62 FPS4.56 FPS15.80 FPSYOLOv11s-det13.48 FPS62.40 FPS53.51 FPS15.71 FPS13.41 FPS38.83 FPSYOLOv11s-seg6.64 FPS16.18 FPS14.46 FPS7.55 FPS6.59 FPS12.74 FPSYOLOv11s-obb5.58 FPS33.14 FPS19.99 FPS6.35 FPS5.56 FPS17.87 FPS    以上便是基于DeploySharp 开发的深度学习模型部署测试平台的安装和使用教程。最后如果各位开发者在使用中有任何问题，欢迎大家与我联系。

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！