insightface/recognition/arcface_paddle/test_tipc

飞桨训推一体认证

1. 简介

飞桨除了基本的模型训练和预测，还提供了支持多端多平台的高性能推理部署工具。本文档提供了 ArcFace 中所有 PaddlePaddle 模型的飞桨训推一体认证 (Training and Inference Pipeline Certification(TIPC)) 信息和测试工具，方便用户查阅每种模型的训练推理部署打通情况，并可以进行一键测试。

2. 汇总信息

打通情况汇总如下，已填写的部分表示可以使用本工具进行一键测试，未填写的表示正在支持中。

字段说明：

• 基础训练预测：包括模型训练、Paddle Inference Python预测。
• 更多训练方式：包括多机多卡、混合精度。
• 模型压缩：包括裁剪、离线/在线量化、蒸馏。
• 其他预测部署：包括Paddle Inference C++预测、Paddle Serving部署、Paddle-Lite部署等。

更详细的mkldnn、Tensorrt等预测加速相关功能的支持情况可以查看各测试工具的更多教程。

算法论文	模型名称	模型类型	基础 训练预测	更多 训练方式	模型压缩	其他预测部署
ArcFace	ms1mv2_mobileface	识别	支持	多机多卡	-	Paddle Serving: Python

3. 一键测试工具使用

目录介绍

test_tipc/
├── configs/  # 配置文件目录
	├── ms1mv2_mobileface  # ms1mv2_mobileface 模型的测试配置文件目录
		├── model_linux_gpu_normal_normal_serving_python_linux_gpu_cpu.txt # 测试Linux上python serving预测的配置文件
		└── train_infer_python.txt # 测试Linux上python训练预测（基础训练预测）的配置文件
	├── ...  
├── data/ # 存放 TIPC 测试数据的目录
	├── small_dataset.tar # 用于训练的小数据集 (10张图片)
	├── small_lfw.bin # 用于评估的小数据集 (20张图片)
├── docs/ # 存放 TIPC 测试数据的目录
	├── install.md # 安装 TIPC 所需环境的文档
	├── test_train_inference_python.md # 测试Linux上python训练预测的文档
	├── test_serving.md # 测试Linux上python serving预测的文档
├── prepare.sh                        # 完成test_*.sh运行所需要的数据和模型下载
├── test_serving.sh    # 测试python训练预测的主程序
├── test_train_inference_python.sh    # 测试python训练预测的主程序
├── common_func.sh                    # 通用shell脚本函数
└── readme.md                         # TIPC使用文档

测试流程

使用本工具，可以测试不同功能的支持情况，以及预测结果是否对齐，测试流程如下：

1. 运行prepare.sh准备测试所需数据和模型；
2. 运行要测试的功能对应的测试脚本test_*.sh，产出log，由log可以看到不同配置是否运行成功；

其中，有1个测试主程序，功能如下：

• test_train_inference_python.sh：测试基于Python的模型训练、评估、推理等基本功能，包括裁剪、量化、蒸馏。

更多教程

各功能测试中涉及混合精度、裁剪、量化等训练相关，及mkldnn、Tensorrt等多种预测相关参数配置，请点击下方相应链接了解更多细节和使用教程：
test_train_inference_python 使用