快速入门

您正在查看V2.0.1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 训练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。
安装 CodeMeter，并确认 CodeMeter 正在运行，即 CodeMeter 的图标显示在系统托盘中。

如已安装 Mech-DLK，则不需要重复安装 CodeMeter，只需确认 CodeMeter 正在运行即可。

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

调用以下函数创建输入图像。

MMindImage image = new MMindImage();
image.CreateFromPath("path/to/image.png");
List<MMindImage> images = new List<MMindImage> { image };

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

创建推理引擎

调用以下函数创建创建推理引擎。

InferEngine inferEngine = new InferEngine();
inferEngine.Create("path/to/xxx.dlkpack", BackendType.GpuDefault, 0);

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（即第二个参数）设置为 GpuDefault 或 GpuOptimization。
- 当此参数设置为 GpuOptimization 时，需要等待 1~5 min 的模型优化时间。
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，第三个参数 0 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。

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

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 的模型优化时间。
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 0 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

调用以下函数进行深度学习引擎推理。

inferEngine.Infer(images);

infer(&engine, &input, 1);

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

调用以下函数得到缺陷分割模型的结果。

List<Result> results;
inferEngine.GetResults(out results);

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

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

调用以下函数可视化模型推理结果。

inferEngine.ResultVisualization(images);
image.Show("result");

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