环保局网站设计方案asp技术网站开发案例

环保局网站设计方案,asp技术网站开发案例,网站加速免费,廊坊百度快照优化哪家服务好简介DeploySharp 是一个专为 C# 开发者设计的跨平台模型部署框架#xff0c;提供从模型加载、配置管理到推理执行的端到端解决方案。其核心架构采用模块化命名空间设计#xff0c;显著降低了 C# 生态中深度学习模型的集成复杂度#xff0c;1. 架构设计与功能分层根命名空间 …简介DeploySharp 是一个专为 C# 开发者设计的跨平台模型部署框架提供从模型加载、配置管理到推理执行的端到端解决方案。其核心架构采用模块化命名空间设计显著降低了 C# 生态中深度学习模型的集成复杂度1. 架构设计与功能分层根命名空间 DeploySharp 作为统一入口集成模型加载、推理执行等核心功能通过子命名空间如 DeploySharp.Engine实现模块化分层设计关键类采用泛型设计支持图像处理/分类/检测等多任务标准数据交互2. 多引擎支持与扩展能力原生支持 OpenVINO通过OpenVinoSharp、ONNX Runtime 推理引擎支持 YOLOv5-v12全系列模型、Anomaly及其他主流模型部署3. 跨平台运行时支持兼容 .NET Framework 4.8 及 .NET 6/7/8/9深度集成 .NET 运行时生态NuGet 包管理4. 高性能推理能力异步推理支持System.Threading.Tasks支持单张/批量图片推理模式丰富的预处理ImageSharp/OpenCvSharp和后处理操作5. 开发者支持体系中英双语代码注释与技术文档log4net 分级日志系统错误/警告/调试提供可视化结果展示方案提供完善的示例代码库该项目开源遵循 Apache License 2.0 协议开发者可通过 QQ 群、微信公众号等渠道获取支持。未来版本计划扩展 TensorRT 支持并优化现有引擎的异构计算能力。项目链接https://github.com/guojin-yan/DeploySharp.git2. 模型支持列表Model Name Model Type OpenVINO ONNX Runtime TensorRTYOLOv5 Detection ✅ ✅ ing...YOLOv5 Segmentation ✅ ✅ ing...YOLOv6 Detection ✅ ✅ ing...YOLOv7 Detection ✅ ✅ ing...YOLOv8 Detection ✅ ✅ ing...YOLOv8 Segmentation ✅ ✅ ing...YOLOv8 Pose ✅ ✅ ing...YOLOv8 Oriented Bounding Boxes ✅ ✅ ing...YOLOv9 Detection ✅ ✅ ing...YOLOv9 Segmentation ✅ ✅ ing...YOLOv10 Detection ✅ ✅ ing...YOLOv11 Detection ✅ ✅ ing...YOLOv11 Segmentation ✅ ✅ ing...YOLOv11 Pose ✅ ✅ ing...YOLOv11 Oriented Bounding Boxes ✅ ✅ ing...YOLOv12 Detection ✅ ✅ ing...Anomalib Segmentation ✅ ✅ ing...3. NuGet Package3.1 Core Managed LibrariesPackage Description LinkJYPPX.DeploySharp DeploySharp API core libraries https://www.nuget.org/packages/JYPPX.DeploySharp/3.2 Native Runtime LibrariesPackage Description LinkJYPPX.DeploySharp.ImageSharp An assembly that uses ImageSharp as an image processing tool. https://www.nuget.org/packages/JYPPX.DeploySharp.ImageSharp/JYPPX.DeploySharp.OpenCvSharp An assembly that uses OpenCvSharp as an image processing tool. https://www.nuget.org/packages/JYPPX.DeploySharp.OpenCvSharp/4. 如何安装4.1 获取方式大家可以直接在NuGet Gallery官网上进行查找使用image-20251002125042083或者在Visual Studio的NuGet程序包中进行查找安装image-202510021253139624.2 NuGet Package组合使用方式DeploySharp包含了OpenCvSharp、ImageSharp等图像处理方式同时支持OpenVINO、ONNX Runtime模型部署引擎因此用户可以根据自己需求自行组合并安装对应的NuGet Package即可开箱使用。以下总结了常用的一些使用情况的NuGet Package安装场景OpenVINO推理OpenCvSharp图像处理JYPPX.DeploySharpJYPPX.DeploySharp.OpenCvSharpOpenVINO.runtime.winOpenCvSharp4.runtime.winOpenVINO推理ImageSharp图像处理JYPPX.DeploySharpJYPPX.DeploySharp.ImageSharpOpenVINO.runtime.winONNX Runtime推理OpenCvSharp图像处理JYPPX.DeploySharpJYPPX.DeploySharp.OpenCvSharpOpenCvSharp4.runtime.winONNX Runtime推理ImageSharp图像处理JYPPX.DeploySharpJYPPX.DeploySharp.OpenCvSharpONNX Runtime(OpenVINO加速)推理ImageSharp图像处理JYPPX.DeploySharpJYPPX.DeploySharp.ImageSharpIntel.ML.OnnxRuntime.OpenVinoONNX Runtime(DML加速)推理ImageSharp图像处理JYPPX.DeploySharpJYPPX.DeploySharp.ImageSharpMicrosoft.ML.OnnxRuntime.DirectMLONNX Runtime(CUDA加速)推理ImageSharp图像处理JYPPX.DeploySharpJYPPX.DeploySharp.ImageSharpMicrosoft.ML.OnnxRuntime.DirectML由于使用CUDA对ONNX Runtime加速受GPU设备型号以及软件版本影响因此需要按照ONNX Runtime官方提供的版本对应关系进行下载使用其中ONNX Runtime与CUDA、cuDNN对应关系请参考一下以下链接https://runtime.onnx.org.cn/docs/execution-providers/CUDA-ExecutionProvider.html#requirements以上所列出的使用方式均可以通过NuGet Package一键安装同样的ONNX Runtime还支持更多加速方式但需要用户自己进行代码构建其构建流程与方式参考官方教程即可链接为https://runtime.onnx.org.cn/docs/execution-providers/5. 开始使用如果你不知道如何使用通过下面代码简单了解使用方法。5.1 ImageSharp图像处理using DeploySharp.Data;using DeploySharp.Engine;using DeploySharp.Model;using SixLabors.ImageSharp;using SixLabors.ImageSharp.PixelFormats;using System;namespace DeploySharp.ImageSharp.Demo{public class YOLOv5DetDemo{public static void Run(){// 模型和测试图片可以前往QQ群(945057948)下载// 将下面的模型路径替换为你自己的模型路径string modelPath E:\Model\Yolo\yolov5s.onnx;// 将下面的图片路径替换为你自己的图片路径string imagePath E:\Data\image\bus.jpg;Yolov5DetConfig config new Yolov5DetConfig(modelPath);//config.SetTargetInferenceBackend(InferenceBackend.OnnxRuntime);Yolov5DetModel model new Yolov5DetModel(config);var img Image.Load(imagePath);var result model.Predict(img);model.ModelInferenceProfiler.PrintAllRecords();var resultImg Visualize.DrawDetResult(result, img as ImageRgb24, new VisualizeOptions(1.0f));resultImg.Save($./result_{ModelType.YOLOv5Det.ToString()}.jpg);}}}5.2 OpenCvSharp图像处理using OpenCvSharp;using System.Diagnostics;using DeploySharp.Model;using DeploySharp.Data;using DeploySharp.Engine;using DeploySharp;using System.Net.Http.Headers;namespace DeploySharp.OpenCvSharp.Demo{public class YOLOv5DetDemo{public static void Run(){// 模型和测试图片可以前往QQ群(945057948)下载// 将下面的模型路径替换为你自己的模型路径string modelPath E:\Model\Yolo\yolov5s.onnx;// 将下面的图片路径替换为你自己的图片路径string imagePath E:\Data\image\bus.jpg;Yolov5DetConfig config new Yolov5DetConfig(modelPath);config.SetTargetInferenceBackend(InferenceBackend.OnnxRuntime);Yolov5DetModel model new Yolov5DetModel(config);Mat img Cv2.ImRead(imagePath);var result model.Predict(img);model.ModelInferenceProfiler.PrintAllRecords();var resultImg Visualize.DrawDetResult(result, img, new VisualizeOptions(1.0f));Cv2.ImShow(image, resultImg);Cv2.WaitKey();}}}6.应用案例获取更多应用案例请参考案例类型 框架 链接桌面应用 .NET Framework 4.8 https://github.com/guojin-yan/DeploySharp/tree/DeploySharpV1.0/applications/.NET Framework 4.8/DeploySharp.ImageSharp-ApplicationPlatform桌面应用 .NET 6.0 https://github.com/guojin-yan/DeploySharp/tree/DeploySharpV1.0/applications/.NET 6.0/DeploySharp.OpenCvSharp-ApplicationPlatform控制台应用 .NET Framework 4.8、.NET 6.0-9.0 https://github.com/guojin-yan/DeploySharp/tree/DeploySharpV1.0/samplesimage-20251002124851175后续会推出更多的应用案例使用介绍敬请关注。7. API文档如果想了解更多信息可以参阅DeploySharp API Documentedimage-202510021249381668. 贡献如果您对DeploySharp在C#使用感兴趣有兴趣对开源社区做出自己的贡献欢迎加入我们一起开发DeploySharp。如果你对该项目有一些想法或改进思路欢迎联系我们指导下我们的工作。9. 许可证书本项目的发布受Apache 2.0 license许可认证。