串联检测和分类
本文将在 tutorial01 modelserving 的基础上扩展计算图：先检测、再扣图分类。对外提供视频解析服务。完整的代码在 flow-python/examples/simple_det_classify 目录。
移除分类预处理
准备检测模型
这里直接用现成的 YOLOX mge 模型。复用 cat_finder 的检测 或者从 YOLOX 官网 下载最新版。
配置计算图
flow-python/examples 增加 simple_det_classify/video_cpu.toml
$ cat flow-python/examples/simple_det_classify/video_cpu.toml
main = "tutorial_02"
# 重资源结点要先声明
[[nodes]]
name = "det"
ty = "Detect"
model = "yolox-s"
conf = 0.25
nms = 0.45
tsize = 640
path = "models/simple_det_classify_models/yolox_s.mge"
interval = 5
visualize = 1
device = "cpu"
device_id = 0
[[nodes]]
name = "classify"
ty = "Classify"
path = "models/simple_det_classify_models/resnet18_preproc_inside.mge"
device = "cpu"
device_id = 0
[[graphs]]
name = "subgraph"
inputs = [{ name = "inp", cap = 16, ports = ["det:inp"] }]
outputs = [{ name = "out", cap = 16, ports = ["classify:out"] }]
# 描述连接关系
connections = [
{ cap = 16, ports = ["det:out", "classify:inp"] },
]
...
# ty 改成 VdieoServer
[[graphs.nodes]]
name = "source"
ty = "VideoServer"
port = 8085
...
想对上一期的配置，需要关注 3 点：
视频流中的重资源结点，需要声明在
[[graphs]]之外，因为多路视频需要复用这个结点。如果每一路都要启一个 det 结点，资源会爆掉connections不再是空白，因为两个结点要描述连接关系Server 类型改成
VideoServer，告诉 UI 是要处理视频的
运行测试
运行服务
$ cd flow-python/examples
$ megflow_run -c simple_det_classify/video_cpu.toml -p simple_det_classify