快速入门

您正在查看最新版本（V3.0.0）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。
下载并安装Sentinel LDK加密驱动，并确保在工控机的设置应用 应用和功能中存在已安装的加密驱动。

如已安装Mech-DLK，则不需要重复安装加密驱动，只需确认加密驱动已存在即可。
获得并管理软件许可。

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。

自 Mech-DLK SDK 3.0.0 起，不再支持 C 语言接口。以下示例仅包含 C#、C++ 与 Python。

创建输入图像

调用以下函数创建输入图像。

C#
C++
Python

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

mmind::dl::MMindImage image;
image.createFromPath("path/to/image.png");
std::vector<mmind::dl::MMindImage> images = {image};

import mmind_dl_sdk as mmind

image = mmind.MMindImage()
status = image.create_from_path("path/to/image.png")
images = [image]

创建推理引擎

调用以下函数创建推理引擎。

C#
C++
Python

MMindInferEngine engine = new MMindInferEngine();
engine.Create("path/to/xxx.dlkpack");
StatusCode status = engine.Load();

Mech-DLK SDK C# 接口中，Create仅需要模型路径参数；调用 Load 后即可进行推理。

mmind::dl::MMindInferEngine engine;
engine.create(L"path/to/xxx.dlkpack");
// engine.setInferDeviceType(mmind::dl::InferDeviceType::GPUDefault);
// engine.setDeviceId(0);
// engine.setBatchSize("DefectSegmentation_0", 1);
// engine.setFloatPrecision("DefectSegmentation_0", mmind::dl::PrecisionType::FP32);
engine.load();

C++接口中模型参数可自行设置：

如果不调用 setxxx 函数，默认情况下 BatchSize 为 1，PrecisionType 为 FP32，DeviceId 为 0。
如需修改推理引擎参数，setxxx 函数必须放在 load() 函数之前。
setBatchSize 与 setFloatPrecision 需要指定模块名（例如 DefectSegmentation_0）。
首次将 InferDeviceType 设置为 GPUOptimization 进行推理时，需要先进行模型优化，耗时约 1~10 分钟。

engine = mmind.MMindInferEngine()
engine.create("path/to/xxx.dlkpack")
status = engine.load()

Python 接口中，Create 仅需要模型路径参数；调用 load() 后即可进行推理。

深度学习引擎推理

调用以下函数进行深度学习引擎推理。

C#
C++
Python

engine.Infer(images);

engine.infer(images);

status = engine.infer(images)

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。

C#
C++
Python

List<MMindResult> results;
engine.GetModuleResult("DefectSegmentation_0", out results);

std::vector<mmind::dl::MMindResult> results;
engine.getModuleResult("DefectSegmentation_0", results);

status, results = engine.get_module_result("DefectSegmentation_0")

GetModuleResult 需要传入模块名。请通过接口返回的模块列表确认模块名后再获取结果。

结果可视化

调用以下函数可视化模型推理结果。

C#
C++
Python

engine.ResultVisualization(images);
images[0].Show("result");

engine.resultVisualization(images);
images[0].show("result");

status, vis_images = engine.result_visualization(images)
vis_images[0].show("result")

释放内存

释放内存，减少内存占用。

C#
C++
Python

engine.Release();

engine.release();

engine.release()

该页面是否有帮助？

我要反馈