PaddleClas学习1——使用PPLCNet模型对车辆属性进行识别（python）
使用PPLCNet模型对车辆属性进行识别
- 1. 配置PaddlePaddle，PaddleClas环境
- 1.1 安装PaddlePaddle
- （1）创建 docker 容器
- （2）退出/进入 docker 容器
- （3） 安装验证
- 1.2 安装python3.8（可选）
- 1.3 安装 PaddleClas
- 2. 模型推理
- 2.1 下载官方提供的车辆属性模型
- 2.2 基于 Python 预测引擎推理
1. 配置PaddlePaddle，PaddleClas环境
官网: 手动配置PaddlePaddle, PaddleClas环境
1.1 安装PaddlePaddle
（1）创建 docker 容器
PaddleClas要求 PaddlePaddle版本 >=2.3，以下命令创建一个名为paddle-clas-gpu的 Docker容器，并将当前工作目录映射到容器内的 /paddle 目录。
#对于 GPU 用户
$ sudo nvidia-docker run --name paddle-clas-gpu -v $PWD:/paddle --shm-size=8G --network=host -it registry.baidubce.com/paddlepaddle/paddle:2.3.0-gpu-cuda10.2-cudnn7 /bin/bash
安装其他版本的paddle: Linux 下的 Docker 安装
本文安装的是 registry.baidubce.com/paddlepaddle/paddle:2.4.2-gpu-cuda11.2-cudnn8.2-trt8.0
（2）退出/进入 docker 容器
使用组合键 Ctrl + P + Q 退出当前容器，同时不关闭该容器；
如需再次进入容器，可使用下述命令：