DefTruth
DefTruth
请问您主要想部署的场景是什么呢？是必须要32位吗？以及想要用的推理后端是啥？
加载的模型都分别是什么呢？手机的机型和芯片分别是什么呢？方便提供下edge和在fastdeploy中跑的模型吗？以及计算FPS的方式？
按理说不应该这么慢，nova 7 上app中测试过，一般是 22+fps，包含所有的前后处理和渲染时间在内
这个apk的源代码有吗？看下具体fps的计算逻辑是咋样的
另外，我看到模型文件的大小和我们目前提供的也并不一样，使用的使用的推理引擎也不一样。方便提供一下这个apk的源码地址吗
> > 按理说不应该这么慢，nova 7 上app中测试过，一般是 22+fps，包含所有的前后处理和渲染时间在内 > > 截图是4fps,实际平均能达到20左右，但是跟[官方PP-PicoDet](https://github.com/JiweiMaster/PP-PicoDet-Android-Demo)那个比较差了一半 感谢您的提问哈，我回复一下这个问题，这里面有几个原因： - 1. 计算fps的方式不一样，目前fd提供的demo计算fps逻辑是包含：camera渲染、每帧bitmap的创建和回收、模型前处理、模型推理、模型后处理、推理结果可视化、可视化结果转换到bitmap、bitmap绘制等所有的时间在内。我review了下您发的链接中的代码，应该是只统计了模型前处理、模型推理、模型后处理的时间来计算fps - 2. App环境中运行，由于camera等占用cpu资源，会导致模型推理可用的计算资源变少，因此app中运行，模型的推理耗时会产生波动。以下是使用fd中picodet_s模型，在shell中测试的性能，包含模型推理和所有前后处理的耗时，测试机为华为nova 7 pro、麒麟985 CPU： - 3. 目前app demo是用作给用户展示fd用法的作用，所以暂时没有针对Android camera进行性能优化。camera的优化我们也正在考虑，可能会在后续的版本中添加一些相关的功能。
```python option.use_gpu() ``` 这句开启了GPU推理
可以参考我们的android工程文档说明： - https://github.com/PaddlePaddle/FastDeploy/tree/develop/examples/vision/detection/paddledetection/android
可以关注下我们的 [PaddlePaddle/FastDeploy](https://github.com/PaddlePaddle/FastDeploy) repo，更优的部署体验请尝试FastDeploy😎
这个不影响的，路径也之后在这个构造函数的作用作用域用到，initialize_handler()在这个构造函数的作用域内。