wangguanzhong

上面这个是paddledetection 基于c++ inference的部署示例代码，工程量不大，可以参考下

Besides, I found you mentioned that CornerNet-Squeeze costed 2 weeks to train. Which gpu did you use in training?

https://github.com/princeton-vl/CornerNet-Lite/issues/17#issuecomment-486040774

将picodet-s-416 lcnet 的batch size改小试下，可能和显存不足有关

数据预处理方法统一放在了paddle导出模型的infer_cfg.yml中，可以先用paddle导出的模型在paddledetection下验证deploy/python部署是否正常

目前还只支持单摄像头输入，后面会支持多视频流输入

gitee代码已更新

麻烦到PaddleVideo下提issue问下 https://github.com/PaddlePaddle/PaddleVideo/issues

单张图片的预测会包含模型启动的时间，可以开启--run_benchmark测试实际时间，另外还可以开启tensorrt进一步加速 需要设置--run_mode=trt_fp16

ParamAttr 指定的是特定参数的学习率和weight decay，weight和bias可以使用相同的ParamAttr设置 paddle中的add_sublayer等价于torch中的add_module