做目的检测、语义联系，你一定听说过Detectron2。

作为一个基于PyTorch完成的模块化目的检测库，Detectron2当年刚一开源，就被推上了GitHub趋向榜第一。

而如今，移动端开发人员们的福利来了。

Facebook官方正式推出Detectron2的移动版：Detectron2Go（D2Go）。

什么是D2Go

先来看官方引见：

PyTorch和Detectron2支持的深度学习工具包

最先进的高效移动设备主干网络

支持端到端模型训练、量化和部署

能轻松导出TorchScript格式

经过D2Go，开发者可以创立曾经针对移动设备停止过优化的FBNet模型，在移动端高效地执行目的检测、语义联系以及关键点估量等义务。

△D2Go人体关键点估量

那么D2Go详细有哪些优势呢？

实践上，移动端的目的检测义务主要关注的有两点：延迟和准确性。

而假设模型可以在边缘设备上独立运转，不用将数据传至云端停止处置，就能大大的增加延迟。

另外，这也进一步保障了终端用户的数据、隐私安全。

Facebook表示，在实验测试中，运用D2Go开发的移动端模型，与基于效劳器的模型相比，延迟更低，且准确性损失不大。

如何运用

首先是安装的部分，需求安装的有：

PyTorch Nightly

conda install pytorch torchvision cudatoolkit=10.2 -c pytorch-nightly

Detectron2

python -m pip install 'git+https://github.com/facebookresearch/detectron2.git'

mobile_cv

python -m pip install 'git+https://github.com/facebookresearch/mobile-vision.git'

D2go

git clone https://github.com/facebookresearch/d2go
cd d2go & python -m pip install .

在D2go的GitHub仓库中，还提供了预训练模型的推理Demo。

从model_zoo中选择一个模型，运转demo.py，就可以停止试玩。

以faster_rcnn_fbnetv3a模型为例：

cd demo/
python demo.py —config-file faster_rcnn_fabnetv3a_C4.yaml —input input1.jpg —output output1.jpg

在训练和评价方面，D2Go本身基于detectron2工具包完成，因此在训练之前，需求按照detectron2的阐明设置内置数据集。

而详细如何用预训练模型停止推理、训练一个D2go模型、将模型导出到int8，Facebook也提供了详细的入门示例。

更多概略，不妨戳进文末链接，亲身上手尝试~

传送门

开源地址：
https://github.com/facebookresearch/d2go

Facebook博客：
https://ai.facebook.com/blog/d2go-brings-detectron2-to-mobile/

【编辑引荐】

只懂 Git 如何成为架构砖家？从代码的物理剖析说起

【办公自动化与技艺提升】应用Excel经过PowerQuery（VBA）查询实时基金净值

跟着王进教员学开发Python篇视频课程：基础强化案例解说视频课程

(责任编辑：admin)