本文测试了EasyEdge对PaddleX2.0动态图训练模型的支持情况。先介绍相关项目与社区答疑方式，确认支持后，进行动态图转静态图（模型导出），再配置EasyEdge，上传模型文件并查看适配设备，最后生成安卓APP验证效果，实现端云协同部署，还提及该平台可明确模型适用设备及评测部署效果。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
引言
- 项目PaddleX 2.0动态图体验：安全帽检测模型开发与部署中，介绍了PaddleX 2.0动态图目标检测模型的训练过程，以及如何用Python调用模型进行预测
- 项目PaddleX 2.0 动态图检测模型部署实现通过介绍基于PaddleInference的模型部署，实现PaddleX动态图模型从训练到Linux服务器部署的全流程打通。
那么，使用PaddleX 2.0动态图训练的模型，还能支持在哪些终端部署？手机上？Jetson(TX2/Nano/Xavier)？是否有这么一个平台，能确凿地告诉我们，当前我们训练的模型，哪个设备上能用，最好还能评测下，部署上去效果如何？
很显然，这样一个“万能”平台是存在的，它就是……曾经介绍过的EasyEdge端与边缘AI服务平台
不过，我们似乎还没验证过EasyEdge对Paddle2.0训练模型的支持情况，现在，不妨来测试一番。顺便，这里也介绍下一些少走弯路的FAQ方式。
学习项目、社区提问
EasyEdge相关项目
关于强大的EasyEdge，首先不妨看看平台上是否有相关介绍，很巧，当初有部分介绍还是本人写的233333
- 基于飞桨模型生成的EasyEdge APP 上线啦~
- 超简单！目标检测模型EasyEdge APP开发示例
- 快速实现椎间盘检测(paddleX)和部署(EasyEdge)
在上面的项目中，我们可以利用EasyEdge实现零代码生成一个目标检测安卓手机APP或是Windows客户端。不过仔细看可以发现，这些项目都是基于Paddle1.8的：
模型文件和我们训练出来的长得不一样啊……主要就是框架版本问题
AI社区答疑
其实，除了我们最常用的QQ群，但凡涉及到需要官方支持的问题，去社区问是个不错的方式，一般，官方支持会在1-2个工作日内回帖，比自己瞎折腾要快多了。——尽管QQ群上理论上可以得到及时回复，但需要比较理想的条件，比如，刚好支持这个方面的大佬在线、其他人遇到过类似问题等等…… 这里多提供一种方式，读者可以根据自己的习惯自行选择。
进入百度AI社区，找到要问问题的板块：
然后发帖咨询
得到了肯定的答复，这时候，可以放心地开始测试PaddleX2.0模型的EasyEdge部署了。
动态图转静态图
对于PaddleX训练的模型而言，动态图转静态图就是我们前面说过的模型导出
在PaddleX 1.X版本中，是这样解释模型导出的：
注：所有涉及到模型部署，均需要参考本文档，进行部署模型导出
在服务端部署模型时需要将训练过程中保存的模型导出为inference格式模型，导出的inference格式模型包括__model__、__params__和model.yml三个文件，分别表示模型的网络结构、模型权重和模型的配置文件（包括数据预处理参数等）。
但是，其实我们在PaddleX 2.0 动态图检测模型部署实现中已经知道，导出结果是这样的：
虽然看起来有一定差异，但是我们可以发现，Paddle框架版本升级后，__model__对应model.pdmodel，__params__对应model.pdiparams。
为便于读者使用，前置项目的安全帽检测模型导出结果已放在inference_model目录下。
EasyEdge开发配置
上传模型文件
上传网络结构文件后EasyEdge会自动校验，如果能正常查看网络结构图，那模型大概率就没有问题了，所以，其实是不是__model__、__params__其实不重要，这里可能是因为迭代的原因，EasyEdge在提示方面并没有说清楚。换句话说，其实Paddle2.0动态图的模型导出后，EasyEdge是支持部署的！
查看适配设备
生成端模型
这里选择生成一个安卓手机的APP，因为笔者手上刚好有这个设备可以验证效果
端云协同部署
这种部署方式是不是简单又实用，探索起来吧
