更换文档检测模型
This commit is contained in:
20
paddle_detection/deploy/fastdeploy/amlogic/a311d/README.md
Normal file
20
paddle_detection/deploy/fastdeploy/amlogic/a311d/README.md
Normal file
@@ -0,0 +1,20 @@
|
||||
[English](README.md) | 简体中文
|
||||
|
||||
# PaddleDetection 检测模型在晶晨NPU上的部署方案部署方案—FastDeploy
|
||||
|
||||
目前 FastDeploy 已经支持基于 Paddle Lite 部署 PP-YOLOE 量化模型到 A311D 上。
|
||||
|
||||
## 1. 说明
|
||||
|
||||
晶晨A311D是一款先进的AI应用处理器。PaddleDetection支持通过FastDeploy在A311D上基于Paddle-Lite部署相关检测模型。**注意**:需要注意的是,芯原(verisilicon)作为 IP 设计厂商,本身并不提供实体SoC产品,而是授权其 IP 给芯片厂商,如:晶晨(Amlogic),瑞芯微(Rockchip)等。因此本文是适用于被芯原授权了 NPU IP 的芯片产品。只要芯片产品没有大副修改芯原的底层库,则该芯片就可以使用本文档作为 Paddle Lite 推理部署的参考和教程。在本文中,晶晨 SoC 中的 NPU 和 瑞芯微 SoC 中的 NPU 统称为芯原 NPU。目前支持如下芯片的部署:
|
||||
- Amlogic A311D
|
||||
- Amlogic C308X
|
||||
- Amlogic S905D3
|
||||
|
||||
模型的量化和量化模型的下载请参考:[模型量化](../quantize/README.md)
|
||||
|
||||
## 2. 详细的部署示例
|
||||
|
||||
在 A311D 上只支持 C++ 的部署。
|
||||
|
||||
- [C++部署](cpp)
|
||||
Reference in New Issue
Block a user