本方案旨在提供一个PaddlePaddle跨平台图像分割模型的Python预测部署方案作为参考，用户通过一定的配置，加上少量的代码，即可把模型集成到自己的服务中，完成图像分割的任务。
请使用模型导出工具导出您的模型, 或点击下载我们的样例模型用于测试。
接着准备一张测试图片用于试验效果，我们提供了cityscapes验证集中的一张图片用于演示效果，如果您的模型是使用其他数据集训练的，请自行准备测试图片。
在终端输入以下命令进行预测:
python deploy/python/infer.py --config /path/to/deploy.yaml --image_path参数说明如下:
| 参数名 | 用途 | 是否必选项 | 默认值 |
|---|---|---|---|
| config | 导出模型时生成的配置文件, 而非configs目录下的配置文件 | 是 | - |
| image_path | 预测图片的路径或者目录 | 是 | - |
| use_trt | 是否开启TensorRT来加速预测 | 否 | 否 |
| use_int8 | 启动TensorRT预测时，是否以int8模式运行 | 否 | 否 |
| batch_size | 单卡batch size | 否 | 配置文件中指定值 |
| save_dir | 保存预测结果的目录 | 否 | output |
| with_argmax | 对预测结果进行argmax操作 | 否 | 否 |
测试样例和预测结果如下
注意： 1. 当使用量化模型预测时，需要同时开启TensorRT预测和int8预测才会有加速效果 2. 使用TensorRT需要使用支持TRT功能的Paddle库，请参考附录下载对应的PaddlePaddle安装包，或者参考源码编译自行编译