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
在使用PaddleX 2.0训练保存的模型文件夹中，主要包含四个文件：
model.pdopt，训练模型参数的优化器model.pdparams，模型参数model.yml，模型的配置文件（包括预处理参数、模型定义等）eval_details.json，模型评估时的预测结果和真值
需要注意的是，训练保存的模型不能直接用于部署，需要导出成部署格式后才能用于部署。
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，使用PaddleX 2.0导出的inference格式模型包括五个文件：
model.pdmodel，模型网络结构model.pdiparams，模型权重model.pdiparams.info，模型权重名称model.yml，模型的配置文件（包括预处理参数、模型定义等）pipeline.yml，可用于PaddleX Manufacture SDK的流程配置文件
需要注意的是，PaddleX 2.0版本导出的inference格式与1.x版本的有所不同，1.x版本的inference格式模型是：
__model__，模型网络结构__params__，模型权重model.yml，模型的配置文件（包括预处理参数、模型定义等）
检查你的模型文件夹，如果里面是
model.pdparams、model.pdopt和model.yml3个文件时，那么就需要按照下面流程进行模型导出:
在安装完PaddleX后，在命令行终端使用如下命令将训练好的模型导出为部署所需格式：
paddlex --export_inference --model_dir=./output/deeplabv3p_r50vd/best_model/ --save_dir=./inference_model
在路径./inference_model下会生成一个名为inference_model的文件夹，包含model.pdmodel、model.pdiparams、model.pdiparams.info、model.yml和pipeline.yml五个文件。
| 参数 | 说明 |
|---|---|
| --export_inference | 是否将模型导出为用于部署的inference格式，指定即为True |
| --model_dir | 待导出的模型路径，例如是output/deeplabv3p_r50vd/best_model/ |
| --save_dir | 导出的模型存储路径，例如是./inference_model |
| --fixed_input_shape | 固定导出模型的输入大小，默认值为None |
使用TensorRT预测时，需固定模型的输入大小，通过--fixed_input_shape 来指定输入大小[w,h]或者是[n,c,w,h]。例如指定为[224,224]时，输入大小为[-1,3,224,224]；若想同时固定住输入的批量大小，可设置为[1,3,224,224]:
paddlex --export_inference --model_dir=./output/deeplabv3p_r50vd/best_model/ --save_dir=./inference_model --fixed_input_shape=[224,224]
注意：
- 分类模型的固定输入大小请保持与训练时的输入大小一致。
- 检测模型中YOLO/PPYOLO系列请保存w与h一致，且为32的倍数大小；指定
--fixed_input_shape时，RCNN类的w和h需为32的倍数大小。 - 指定[w,h]时，w和h中间逗号隔开，不允许存在空格等其他字符。
- 需要注意的是，w,h设得越大，模型在预测过程中所需要的耗时和内存/显存占用越高；设得太小，会影响模型精度。