paddlers/docs/quick_start_cn.md

简体中文 | English

快速开始

环境准备

1. 安装PaddlePaddle

   • 版本要求：PaddlePaddle>=2.2.0

2. 安装PaddleRS

如果希望获取更加稳定的体验，请下载安装PaddleRS发行版。

pip install -r requirements.txt
pip install .

PaddleRS代码会跟随开发进度不断更新，如果希望使用最新功能，请安装PaddleRS develop分支。安装方式如下：

git clone https://github.com/PaddlePaddle/PaddleRS
cd PaddleRS
git checkout develop
pip install -r requirements.txt
pip install .

若在执行pip install .时下载依赖缓慢或超时，可以在setup.py相同目录下新建setup.cfg，并输入以下内容，则可通过清华源进行加速下载：

[easy_install]
index-url=https://pypi.tuna.tsinghua.edu.cn/simple

1. （可选）安装GDAL

PaddleRS支持对多种类型卫星数据的读取。完整使用PaddleRS的遥感数据读取功能需要安装GDAL，安装方式如下：

• Linux / MacOS

推荐使用conda进行安装:

conda install gdal

• Windows

Windows用户可以在此站点下载与Python和系统版本相对应的.whl格式安装包到本地，以*GDAL‑3.3.3‑cp39‑cp39‑win_amd64.whl*为例，使用pip工具安装:

pip install GDAL‑3.3.3‑cp39‑cp39‑win_amd64.whl

除了采用上述安装步骤以外，PaddleRS也提供Docker安装方式。具体步骤如下：

1. 从dockerhub拉取镜像:

   docker pull paddlepaddle/paddlers:1.0.0  # 暂无
   

或者，可以选择从头开始构建。通过修改Dockerfile文件中的PPTAG，可选择PaddlePaddle的多种基础镜像。

git clone https://github.com/PaddlePaddle/PaddleRS
cd PaddleRS
docker build -t <imageName> .  # 默认使用PaddlePaddle 2.4.1的CPU版本
# docker build -t <imageName> . --build-arg PPTAG=2.4.1-gpu-cuda10.2-cudnn7.6-trt7.0  # 构建使用GPU版本PaddlePaddle的环境
# 其余tag可以参考：https://hub.docker.com/r/paddlepaddle/paddle/tags

1. 启动容器

   docker images  # 查看镜像的ID
   docker run -it <imageID>
   

模型训练

• 在安装完成PaddleRS后，即可开始模型训练。
• 模型训练可参考：使用教程——训练模型

模型精度验证

模型训练完成后，需要对模型进行精度验证，以确保模型的预测效果符合预期。以DeepLab V3+图像分割模型为例，可以使用以下命令启动：

import paddlers as pdrs
from paddlers import transforms as T

# 加载模型
model = pdrs.load_model('output/deeplabv3p/best_model')

# 组合数据变换算子
eval_transforms = [
    T.Resize(target_size=512),
    T.Normalize(
        mean=[0.5] * NUM_BANDS, std=[0.5] * NUM_BANDS),
    T.ReloadMask()
]

# 加载验证集
dataset = pdrs.datasets.SegDataset(
    data_dir='dataset',
    file_list='dataset/val/list.txt',
    label_list='dataset/labels.txt',
    transforms=eval_transforms)

# 进行验证
result = model.evaluate(dataset)

print(result)

模型部署

模型导出

模型导出可参考：部署模型导出

Python部署

Python部署可参考：Python部署