PaddleDetection的ppyoloe_seg算法的README.md缺乏 ONNX转换 + trtexec测试

[zjykzj]

文档链接&描述 Document Links & Description

在文档PP-YOLOE Instance segmentation中仅提供了该算法的训练记录，并没有相关的ONNX格式转换，以及trtexec测试，就像PP-YOLOE的实现

# 导出模型
python tools/export_model.py -c configs/ppyoloe/ppyoloe_plus_crn_s_80e_coco.yml -o weights=https://paddledet.bj.bcebos.com/models/ppyoloe_plus_crn_s_80e_coco.pdparams exclude_nms=True trt=True

# 转化成ONNX格式
paddle2onnx --model_dir output_inference/ppyoloe_plus_crn_s_80e_coco --model_filename model.pdmodel --params_filename model.pdiparams --opset_version 12 --save_file ppyoloe_plus_crn_s_80e_coco.onnx

# 测试速度，半精度，batch_size=1
trtexec --onnx=./ppyoloe_plus_crn_s_80e_coco.onnx --saveEngine=./ppyoloe_s_bs1.engine --workspace=1024 --avgRuns=1000 --shapes=image:1x3x640x640,scale_factor:1x2 --fp16

# 测试速度，半精度，batch_size=32
trtexec --onnx=./ppyoloe_plus_crn_s_80e_coco.onnx --saveEngine=./ppyoloe_s_bs32.engine --workspace=1024 --avgRuns=1000 --shapes=image:32x3x640x640,scale_factor:32x2 --fp16

# 使用上边的脚本, 在T4 和 TensorRT 7.2的环境下，PPYOLOE-plus-s模型速度如下
# batch_size=1, 2.80ms, 357fps
# batch_size=32, 67.69ms, 472fps

是否可以补全这部分内容，ppyoloe_seg算法可以适用于大部分实时实例分割场景，非常感谢！！！

请提出你的建议 Please give your suggestion

No response

[Bobholamovic]

你好，目前我们并不能保证所有模型都能够正常导出为ONNX格式并使用TensorRT推理。建议可以参考PP-YOLOE的文档，尝试对ppyoloe_seg模型进行导出和推理，如果遇到问题的话欢迎在这里交流～