satrn

原始仓库

模型转换工具链接

对于对模型转换感兴趣的用户，可以通过以下链接导出 onnx 或 axmodel：

satrn.axera

安装

conda create -n open-mmlab python=3.8 pytorch=1.10 cudatoolkit=11.3 torchvision -c pytorch -y
conda activate open-mmlab
pip3 install openmim
git clone https://github.com/open-mmlab/mmocr.git
cd mmocr
mim install -e .

支持平台

• AX650
  • M4N-Dock（爱芯派Pro）
  • M.2 加速卡

SATRN 两个部分（在不同 NPU 配置下）的速度测试结果：

(1) backbone+encoder

(2) decoder

使用方法

从本仓库下载所有文件到设备

.
├── axmodel
│   ├── backbone_encoder.axmodel
│   └── decoder.axmodel
├── demo_text_recog.jpg
├── onnx
│   ├── satrn_backbone_encoder.onnx
│   └── satrn_decoder_sim.onnx
├── README.md
├── run_axmodel.py
├── run_model.py
└── run_onnx.py

Python 环境要求

1. pyaxengine

https://github.com/AXERA-TECH/pyaxengine

wget https://github.com/AXERA-TECH/pyaxengine/releases/download/0.1.1rc0/axengine-0.1.1-py3-none-any.whl
pip install axengine-0.1.1-py3-none-any.whl

2. satrn

satrn 安装

ONNX 模型推理

python run_onnx.py

输入：

输出：

pred_text: STAR
score: [0.9384028315544128, 0.9574984908103943, 0.9993689656257629, 0.9994958639144897]

在 AX650 主机上推理

查看参考文档获取更多信息