modelscope/docs/source/quick_start.md

快速开始

python环境配置

首先，参考文档 安装配置Anaconda环境

安装完成后，执行如下命令为maas library创建对应的python环境。

conda create -n maas python=3.6
conda activate maas

检查python和pip命令是否切换到conda环境下。

which python
# ~/workspace/anaconda3/envs/maas/bin/python

which pip
# ~/workspace/anaconda3/envs/maas/bin/pip

注： 本项目只支持python3环境，请勿使用python2环境。

第三方依赖安装

MaaS Library支持tensorflow，pytorch两大深度学习框架进行模型训练、推理， 在Python 3.6+, Pytorch 1.8+, Tensorflow 2.6上测试可运行，用户可以根据所选模型对应的计算框架进行安装，可以参考如下链接进行安装所需框架:

• Pytorch安装指导
• Tensorflow安装指导

MaaS library 安装

注： 如果在安装过程中遇到错误，请前往常见问题查找解决方案。

pip安装

pip install -r http://pai-vision-data-hz.oss-cn-zhangjiakou.aliyuncs.com/release/maas/maas.txt

安装成功后，可以执行如下命令进行验证安装是否正确

python -c "from maas_lib.pipelines import pipeline;print(pipeline('image-matting',model='damo/image-matting-person')('http://pai-vision-data-hz.oss-cn-zhangjiakou.aliyuncs.com/data/test/maas/image_matting/test.png'))"

使用源码

适合本地开发调试使用，修改源码后可以直接执行

git clone git@gitlab.alibaba-inc.com:Ali-MaaS/MaaS-lib.git maaslib
git fetch origin master
git checkout master

cd maaslib

#安装依赖
pip install -r requirements.txt

# 设置PYTHONPATH
export PYTHONPATH=`pwd`

安装成功后，可以执行如下命令进行验证安装是否正确

python -c "from maas_lib.pipelines import pipeline;print(pipeline('image-matting',model='damo/image-matting-person')('http://pai-vision-data-hz.oss-cn-zhangjiakou.aliyuncs.com/data/test/maas/image_matting/test.png'))"

训练

to be done

评估

to be done

推理

pipeline函数提供了简洁的推理接口，示例如下， 更多pipeline介绍和示例请参考pipeline使用教程

import cv2
import os.path as osp
from maas_lib.pipelines import pipeline
from maas_lib.utils.constant import Tasks

# 根据任务名创建pipeline
img_matting = pipeline(
    Tasks.image_matting, model='damo/image-matting-person')

result = img_matting(
    'http://pai-vision-data-hz.oss-cn-zhangjiakou.aliyuncs.com/data/test/maas/image_matting/test.png'
)
cv2.imwrite('result.png', result['output_png'])
print(f'result file path is {osp.abspath("result.png")}')