README_zh-CN.md

介绍

English | 简体中文

MMDeploy 是一个开源深度学习模型部署工具箱，它是 OpenMMLab 项目的一部分。

主要特性

• 全面支持 OpenMMLab 模型的部署

  我们为 OpenMMLab 各算法库提供了统一的模型部署工具箱。已支持的算法库如下所示，未来将支持更多的算法库

  • MMClassification
  • MMDetection
  • MMSegmentation
  • MMEditing
  • MMOCR

• 支持多种推理后端

  模型可以导出为多种推理引擎文件，并在对应的后端上进行推理。 如下后端已经支持，后续将支持更多的后端。

  • ONNX Runtime
  • TensorRT
  • PPLNN
  • ncnn
  • OpenVINO

• 高度可扩展的 SDK 开发框架 (C/C++)

  SDK 中所有的组件均可扩展。比如用于图像处理的Transform，用于深度学习网络推理的Net，后处理中的Module等等。

开源许可证

该项目采用 Apache 2.0 开源许可证。

安装

请参考构建项目进行安装。

快速入门

请参考快速入门文档学习 MMDeploy 的基本用法。我们还提供了一些进阶教程，

• 如何进行模型转换
• 如何编写配置文件
• 如何支持新模型
• 如何测试模型效果

如果遇到问题，请参考 常见问题解答。

基准与模型库

基准和支持的模型列表可以在基准和模型列表中获得。

贡献指南

我们感谢所有的贡献者为改进和提升 MMDeploy 所作出的努力。请参考贡献指南来了解参与项目贡献的相关指引。

致谢

OpenVINO团队在MMDeploy中添加了OpenVINO部署后端，并开发了MMDetection在OpenVINO下的部署功能，为MMDeploy做出了重大贡献。对此我们表示衷心的感谢。

引用

如果你在研究中使用了本项目的代码或者性能基准，请参考如下 bibtex 引用 MMDeploy:

@misc{=mmdeploy,
    title={OpenMMLab's Model Deployment Toolbox.},
    author={MMDeploy Contributors},
    howpublished = {\url{https://github.com/open-mmlab/mmdeploy}},
    year={2021}
}

OpenMMLab 的其他项目

• MMCV: OpenMMLab 计算机视觉基础库
• MIM: MIM 是 OpenMMlab 项目、算法、模型的统一入口
• MMClassification: OpenMMLab 图像分类工具箱
• MMDetection: OpenMMLab 目标检测工具箱
• MMDetection3D: OpenMMLab 新一代通用 3D 目标检测平台
• MMSegmentation: OpenMMLab 语义分割工具箱
• MMAction2: OpenMMLab 新一代视频理解工具箱
• MMTracking: OpenMMLab 一体化视频目标感知平台
• MMPose: OpenMMLab 姿态估计工具箱
• MMEditing: OpenMMLab 图像视频编辑工具箱
• MMOCR: OpenMMLab 全流程文字检测识别理解工具包
• MMGeneration: OpenMMLab 图片视频生成模型工具箱
• MMFlow: OpenMMLab 光流估计工具箱与测试基准
• MMFewShot: OpenMMLab 少样本学习工具箱与测试基准
• MMHuman3D: OpenMMLab 人体参数化模型工具箱与测试基准
• MMSelfSup: OpenMMLab 自监督学习工具箱与测试基准
• MMRazor: OpenMMLab 模型压缩工具箱与测试基准

欢迎加入 OpenMMLab 社区

扫描下方的二维码可关注 OpenMMLab 团队的 知乎官方账号，加入 OpenMMLab 团队的 官方交流 QQ 群

我们会在 OpenMMLab 社区为大家

• 📢 分享 AI 框架的前沿核心技术
• 💻 解读 PyTorch 常用模块源码
• 📰 发布 OpenMMLab 的相关新闻
• 🚀 介绍 OpenMMLab 开发的前沿算法
• 🏃 获取更高效的问题答疑和意见反馈
• 🔥 提供与各行各业开发者充分交流的平台

干货满满 📘，等你来撩 💗，OpenMMLab 社区期待您的加入 👬