参考链接：FastDeploy C++部署保姆级教程

FastDeploy是百度为了解决AI部署落地难题，发布的新一代面向产业实践的推理部署工具。它旨在为AI开发者提供模型部署最优解，具备全场景、简单易用、极致高效三大特点。项目地址：FastDeploy项目地址

部署环境：

• 系统：Windows10
• VS版本：Visual Studio 2017
• CUDA：11.6
• cuDNN：8.9.0

Win10环境下FastDeploy C++部署：

1. 下载C++ SDK预编译库，下载地址：C++ SDK预编译库

GPU部署官方环境要求：

• CUDA >= 11.2
• cuDNN >= 8.0

下载FastDeploy的GPU版本，下载地址（1.0.2版本）：https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-win-x64-gpu-1.0.2.zip

2. 解压C++ SDK预编译库

对下载的fastdeploy-win-x64-gpu-1.0.2.zip进行解压，我的解压路径：D:\FastDeploy，解压后文件内容如下：

注意：参考链接中，作者说解压路径中最好不要有空格等特殊字符，原因是后续使用fastdeploy_init.bat抽取.dll文件时找不到路径。

3. 数据准备

下载模型：https://bj.bcebos.com/paddlehub/fastdeploy/ppyoloe_crn_l_300e_coco.tgz
用于测试的图像：

4. 开发代码

创建1个文件夹FastDeploy_Test（路径最好为全英文），在文件夹下创建文件FastDeploy_Test.cpp，可使用记事本或VS打开，打开后复制以下内容至FastDeploy_Test.cpp：

// 包含vision.h文件
#include "fastdeploy/vision.h"

// main函数程序主入口
int main(int argc, char* argv[]) {
  // 声明命名空间
  namespace vision = fastdeploy::vision;
  // opencv读取推理图片
  auto im = cv::imread("000000014439.jpg");
  // 加载部署模型
  auto model = vision::detection::PPYOLOE("ppyoloe_crn_l_300e_coco/model.pdmodel",
                                          "ppyoloe_crn_l_300e_coco/model.pdiparams",
                                          "ppyoloe_crn_l_300e_coco/infer_cfg.yml");
  
  // 声明检测结果
  vision::DetectionResult res;
  // 模型预测获取检测结果
  model.Predict(&im, &res);

  // 设置阈值过滤检测结果
  auto vis_im = vision::VisDetection(im, res, 0.5);
  // opencv将检测结果保存为图像
  cv::imwrite("vis_image.jpg", vis_im);
  // 程序结束
  return 0;
 }

注意：imread读取的图像文件名要和测试图像的文件名一致。

5. 配置编译链接环境

可以使用CMakeLists.txt配置或visual studio新建项目手动配置包含目录和库目录（试了一下，确实不如CMakeLists.txt配置来的方便）。在FastDeploy_Test.cpp的同级目录下，新建CMakeLists.txt，打开后复制以下内容：

PROJECT(FastDeploy_Test C CXX)
CMAKE_MINIMUM_REQUIRED (VERSION 3.10)

# 指定下载解压后的fastdeploy库路径
option(FASTDEPLOY_INSTALL_DIR "Path of downloaded fastdeploy sdk.")

include(${FASTDEPLOY_INSTALL_DIR}/FastDeploy.cmake)

# 添加FastDeploy依赖头文件
include_directories(${FASTDEPLOY_INCS})

add_executable(FastDeploy_Test ${PROJECT_SOURCE_DIR}/FastDeploy_Test.cpp)
target_link_libraries(FastDeploy_Test ${FASTDEPLOY_LIBS})

6. 编译生成解决方案

   （1）打开x64 Native Tools Command Prompt for VS 2017命令工具
   点击开始菜单，找到x64 Native Tools Command Prompt for VS 2017命令工具（也可能叫做 “适用于 VS 2017 的 x64 本机工具命令提示”），并使用cd命令切换到项目目录FastDeploy_Test
   
   （2）编译FastDeploy_Test
   创建build文件夹并cd到该文件夹：

mkdir build && cd build

编译项目FastDeploy_Test：

cmake .. -G "Visual Studio 15 2017" -A x64 -DFASTDEPLOY_INSTALL_DIR="D:\fastdeploy\fastdeploy-win-x64-gpu-1.0.2" -DCUDA_DIRECTORY="C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.6"

注意：DFASTDEPLOY_INSTALL_DIR指定你的FastDeploy预编译库目录，DCUDA_DIRECTORY指定你的cuda目录。
运行结果如下：

build文件夹内容如下：

（3）生成exe文件：

msbuild FastDeploy_Test.sln /m:4 /p:Configuration=Release /p:Platform=x64

运行结果：

build文件夹内容更新：

生成的exe文件在release文件夹中，但是现在还无法运行，因为没有模型和数据。
（4）拷贝模型和数据
将ppyoloe_crn_l_300e_coco文件夹（推理模型）和000000014439.jpg文件（推理图片）拷贝到release文件夹下

7. dll文件抽取

   （1）查看dll文件
   进入FastDeploy预编译类目录，执行以下命令

fastdeploy_init.bat show “D:/fastdeploy/fastdeploy-win-x64-gpu-1.0.2”

（2）抽取项目所需dll文件到指定目录
进入FastDeploy预编译类目录，执行命令

fastdeploy_init.bat install "D:/FastDeploy/fastdeploy-win-x64-gpu-1.0.2" "D:/FastDeploy/FastDeploy_Test/build/Release"

点击 “y” 后，再按下任意键后开始抽取dll文件，完成后release文件夹内容如下：

8. 项目运行
   双击release下的FastDeploy_Test.exe文件，等待程序执行，完成后检测结果将出现在release文件夹。