设为首页 | 加入收藏

欢迎访问幸运彩票app下载ios-幸运彩票app3132-幸运彩票app手机下载

幸运彩票app手机下载 >> 幸运彩票app下载ios-Demo:用PyTorch Hub几行代码体会目标切割
喜爱就点重视吧!


运用PyTorch Hub只需一行代码即可导入需求的模型,PyTorch Hub是一个简易API和作业流程,为复现研讨供给了根本构建模块,包括预练习模型库。


import torch
model = torch.hub.load('pytorch/vision''deeplabv3_resnet101', pretrained=True)
model.eval()


从网站加载图片


# Download an example image from the pytorch website
import urllib
url, filename = ("https://github.com/pytorch/hub/raw/master/dog.jpg""dog.jpg")
try:&nbs幸运彩票app下载ios-Demo:用PyTorch Hub几行代码体会目标切割p;urllib.URLopener().retrieve(url, filename)
except: urllib.request.urlretrieve(url, filename)



对图片进行预处理。在PyTorch Hub中所有预先练习的模型都希望输入图画归一化成相同的格局,即小批量的3通道RGB形状图画(N,3,H,W),其间N是图画的数量,H而且W预期至少是224像素。必须将图画加载到必定范围内[0,1],然后运用mean=[0.485,0.456,0.406] 和标准化std =[0.229,0.224,0.225]。


# sample execution (requires 幸运彩票app下载ios-Demo:用PyTorch Hub几行代码体会目标切割torchvision)
from PIL import Image
from torchvision import transforms
input_image = Image.open(filename)
preprocess = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.4850.4560.406],&n幸运彩票app下载ios-Demo:用PyTorch Hub几行代码体会目标切割bsp;std=[0.2290.2240.225]),
])

input_tensor = preprocess(input_i幸运彩票app下载ios-Demo:用PyTorch Hub几行代码体会目标切割mage)
input_batch = input_tensor.unsqueeze(0# create a mini-batch as expected by the model

# move the input and model to GPU for speed if available
if torch.cuda.is_available():
    input_batch = input_batch.to('cuda')
    model.to('cuda')

with torch.no_grad():
    output = model(input_batch)['out'][0]
output_predictions = output.argmax(0)


这儿的输出是形状的(21, H, W),而且在每个方位处存在对应于每个类的猜测的非标准化概率。要取得每个类的最大猜测概率,然后对不同类别用不同色彩显现。


# create a&nb提线木偶sp;color pallette, selecting a color for each class
palette = torch.tensor([2 ** 25 - 12 ** 15 - 12 ** 21 - 1])
colors = torch.as_tensor([i for i in range(21)])[:, None] * palette
colors = (colors % 255).numpy().astype("uint8")

# plot the semantic segmentation predictions of 21 classes in each color
r = Image.fromarray(output_predictions.byte().cpu().numpy()).resize(input_image.size)
r.putpalette(colors)

import matplotlib.pyplot as plt
plt.imshow(r)


参阅

https://pytorch.org/hub/pytorch_vision_deeplabv3_resnet101/

深度学习与Python,专心于深度学习、机器学习前沿常识与资讯

长按辨认二维码重视



上一条      下一条
返回顶部