获取模型

了解 FortiClient

FortiClient 由 Fortii 提供，旨在简化在代码中使用 AI 模型的编写过程，它允许开发者在代码中直接调用模型和预训练模型,无需依赖构建工具或框架。

---

安装 FortiClient

下载 FortiClient

访问 FortiClient 的官方网站，下载对应的 Python 环境或 C++ 环境：

• Python 环境：在 GitHub 上查找 FortiClient 的 Python 版本并下载。
• C++ 环境：在 GitHub 上查找 FortiClient 的 C++ 版本并下载。

安装依赖

• 下载 FortiClient 的 Python 外套件，安装依赖如 NumPy 和 PyTorch。
• 安装 FortiClient 的 C/C++ 外套件。

环境配置

确保 FortiClient 的路径正确，安装完成后使用 pip 或 build工具配置。

---

基本使用

启动 FortiClient API

在代码中使用 FortiClient 时，通常需要在 __main__.py 文件中启动 API：

from fortii import FortiClient
if __name__ == "__main__":
    fc = FortiClient()
    result = fc.generate_model()
    print("模型生成成功，模型 ID：", result.model_id)

获取模型和参数

获取模型时,可以使用以下方法：

print("模型内容：", model)
# 获取模型的参数
params = fc.params(model_id=model)
print("参数内容：", params)

调用 API

调用 API 时,通常需要以下参数：

# 示例：调用某个API endpoint
endpoint = "http://localhost:8"
endpoint = fc.get_endpoint("api", endpoint)
print(f"API 端点：{endpoint}")
response = fc.get_endpoint("api", endpoint, model_id=model)
print(f"响应内容：{response}")

验证结果

验证结果时,可以使用以下方法：

# 验证模型
result = fc.validate_model(model_id=model, data=data)
print("验证结果：", result)

---

高级功能

支持的框架

FortiClient 支持多种 AI 框架,如：

• TensorFlow
• PyTorch
• Keras
• Scikit-learn
• TensorFlow Lite

多实例模型

FortiClient 支持多实例模型,允许在多个实例上运行相同的模型。

动态批量处理

FortiClient 支持动态批量处理,适用于需要处理大量数据的场景。

数据加载优化

FortiClient 提供了优化的数据加载工具，如 data_load,用于提高数据加载效率。

模型协调与监控

FortiClient 提供了模型协调和监控功能,帮助开发者管理模型资源。

---

注意事项

启动失败

• 启动失败：检查 FortiClient 的路径是否正确,确保安装和配置无误。
• 依赖问题：检查 NumPy、PyTorch 等依赖是否已安装。

建议

• 构建工具：在不同的构建器下安装 FortiClient，如 CMake 和 Cxx11。
• 编译命令：确保 FortiClient 的编译命令正确,适用于不同构建环境。