pipeless
v1.11.0
轻松创建、部署和运行计算机视觉应用程序。
查看我们的托管代理解决方案
Pipeless 是一个开源框架，可以在几分钟内处理您开发和部署计算机视觉应用程序所需的一切。其中包括代码并行化、多媒体管道、内存管理、模型推理、多流管理等等。 Pipeless 允许您在几分钟内（而不是几周/几个月）交付实时运行的应用程序。
Pipeless 的灵感来自现代无服务器技术。您提供一些功能，Pipeless 负责为新视频帧和涉及的所有内容执行这些功能。
使用 Pipeless，您可以创建独立的盒子，我们称之为“阶段”。每个阶段都是执行特定任务的微型管道。然后，您可以动态组合每个流的阶段，从而允许您使用不同的管道处理每个流，而无需更改代码，也无需重新启动程序。要创建一个阶段，您只需提供一个预处理函数、一个模型和一个后处理函数。
您只需提供 URL，即可在受支持的推理运行时之一中加载行业标准模型（例如 YOLO）或自定义模型。 Pipeless 提供了一些最流行的推理运行时，例如 ONNX 运行时，让您可以在 CPU 或 GPU 上开箱即用地运行高性能推理。
您可以将 Pipeless 和应用程序部署到边缘和物联网设备或云端。有多种用于部署的工具，包括容器映像。
以下是 Pipeless 包含的一组非详尽的相关功能：
现在就开始吧！
加入我们的社区，为让计算机视觉开发人员的生活更轻松做出贡献！
--build标志以从源代码构建，以便 Pipeless 链接到您安装的 Python 版本（或者更新您的版本并使用预构建的二进制文件，这更简单）。gst-launch-1.0 --gst-version进行验证。安装说明在这里 curl https://raw.githubusercontent.com/pipeless-ai/pipeless/main/install.sh | bash在此处查找更多信息和安装选项。
您可以选择使用 docker 来代替本地安装，并节省安装依赖项的时间：
docker run miguelaeh/pipeless --help要将其与 CUDA 一起使用：
docker run miguelaeh/pipeless:latest-cuda --help要与 TensorRT 一起使用，请使用：
docker run miguelaeh/pipeless:latest-tensorrt --help在这里找到完整的容器文档。
初始化一个项目：
pipeless init my_project --template scaffold
cd my_project启动无管道：
pipeless start --stages-dir .提供一个流：
pipeless add stream --input-uri "https://pipeless-public.s3.eu-west-3.amazonaws.com/cats.mp4" --output-uri "screen" --frame-path "my-stage"生成的代码是一个空模板，它支撑着一个阶段，因此它不会执行任何操作。请转到示例来完成该阶段。
您还可以使用交互式 shell 来创建项目：
查看完整的入门指南或深入阅读完整的文档。
您可以在examples目录下找到一些示例。只需将这些文件夹复制到您的项目中并使用它们即可。
在这里找到完整的示例列表和分步指南。
我们将 Pipeless 部署到了多个不同的设备，以便您可以大致了解其性能。在文档的基准部分找到结果。
显着的变化表明版本之间的重要变化。请检查显着更改的完整列表。
感谢您有兴趣贡献！欢迎并鼓励做出贡献。当我们致力于创建详细的贡献指南时，以下是一些入门的一般步骤：
git checkout -b feature-branch 。git commit -m 'Add new feature' 。git push origin feature-branch 。我们感谢您帮助使这个项目变得更好！
请注意，对于重大更改或新功能，最好先在问题中进行讨论，以便我们协调工作。
该项目根据 Apache License 2.0 获得许可。
Apache License 2.0 是一种宽松的开源许可证，允许您出于个人或商业目的使用、修改和分发此软件。它附带某些义务，包括提供原作者的归属以及在您的发行版中包含原始许可文本。
完整的许可证文本，请参阅 Apache License 2.0。
