快速入门

您正在查看V2.0.0版本的文档。如果您想查阅其他版本的文档，可以点击页面右上角“切换版本”按钮进行切换。

■ 如果您想使用最新版本，可以从梅卡曼德下载中心下载。

■ 如果您不确定当前使用的产品是哪个版本，请随时联系梅卡曼德技术支持。

本章介绍如何应用 Mech-DLK SDK 实现 Mech-DLK 导出的缺陷分割模型的推理。

准备工作

安装Mech-DLK SDK。
将梅卡曼德的加密狗插入电脑。

推理流程

函数说明

下面以 Mech-DLK 导出的缺陷分割模型为例，介绍应用 Mech-DLK SDK 实现模型推理时使用的函数。

创建输入图像

MMindImage input;
createImage("path/to/image.png", &input);

调用 createImage 函数创建输入图像。

创建推理引擎

Engine engine;
createPackInferEngine(&engine, "path/to/xxx.dlkpack", GpuDefault, 0);

调用 createPackInferEngine 函数创建推理引擎。

当部署电脑上配置有英伟达的独立显卡时，你可以将推理后端（即此函数中的第三个参数）设置为 GpuDefault 或 GpuOptimization。
- 当此参数设置为 GpuOptimization 时，需要等待 1~5 min 的优化时间。
当部署电脑上未配置英伟达的独立显卡时，推理后端只能设置为 CPU。
此函数中，第四个参数为英伟达显卡 ID，如果只有一张显卡，填写 0 即可。当推理后端设置为 CPU 时，此参数无效。

深度学习引擎推理

infer(&engine, &input, 1);

调用 infer 函数进行深度学习引擎推理。

此函数中，参数 1 表示推理的图片数量，必须与 input 中的图片数量相同。

获取缺陷分割结果

DefectAndEdgeResult* defectAndEdgeResult = NULL;
unsigned int resultNum = 0;
getDefectSegmentataionResult(&engine, 0, &defectAndEdgeResult, &resultNum);

调用 getDefectSegmentataionResult 函数得到缺陷分割模型的结果。

此函数中，第二个参数 0 表示深度学习模型推理包中的模型索引。

如果是单模型推理包，该参数只能设置为 0；
如果为级联模型推理包，该参数需要根据模型推理包中算法的顺序进行设置。

结果可视化

resultVisualization(&engine, &input, 1);
showImage(&input, "result");

调用 resultVisualization 函数将模型推理结果绘制到 input 中。

此函数中，参数 1 表示推理的图片数量，必须与 input 中的图片数量相同。

释放内存

releaseDefectSegmentationResult(&defectAndEdgeResult, resultNum);
releaseImage(&input);
releasePackInferEngine(&engine);

分别将模型推理结果、输入图片、引擎模型所占内存释放掉，防止内存泄露。

该页面是否有帮助？

我要反馈