您好,登錄后才能下訂單哦!
這篇文章主要介紹“PyTorch開源圖像分類工具箱MMClassification怎么使用”的相關知識,小編通過實際案例向大家展示操作過程,操作方法簡單快捷,實用性強,希望這篇“PyTorch開源圖像分類工具箱MMClassification怎么使用”文章能幫助大家解決問題。
MMClassification是一個基于PyTorch的開源圖像分類工具箱,是OpenMMLab項目的一部分,源碼傳送門,最新發布版本為v0.23.2,License為Apache-2.0。它支持在Windows、Linux和Mac上運行。
1.安裝:使用conda安裝
(1).創建openmmlab虛擬環境:
conda create -n openmmlab python=3.8
conda activate openmmlab
(2).安裝PyTorch:這里PyTorch使用1.11.0版本,CUDA使用10.2版本,此CUDA版本對PyTorch各版本都支持
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=10.2 -c pytorch
(3).安裝MMCV:MMCV有兩個版本,這里安裝帶CUDA的mmcv-full
1).mmcv-full: 完整版,包含所有的特性以及豐富的開箱即用的CUDA算子,安裝此版本需要較長時間。
2).mmcv:精簡版,不包含CUDA算子但包含其余所有特性和功能,類似MMCV 1.0之前的版本。
不要在同一個環境中安裝兩個版本,否則可能會遇到類似ModuleNotFound的錯誤。在安裝一個版本之前,需要先卸載另一個:
pip uninstall mmcv-full
pip uninstall mmcv
注意:這里mmcv-full使用1.5.3版本。CUDA版本和PyTorch版本與安裝PyTorch時保持一致
pip install mmcv-full==1.5.3 -f https://download.openmmlab.com/mmcv/dist/cu102/torch2.11.0/index.html
(4).安裝MMClassification:沒有通過源碼安裝
pip install mmcls==0.23.2
2.測試:
ImageNet數據集:是根據WordNet層次結構組織的圖像數據集,ImageNet_1000_label中給出了1000類別中label對應的id值。
(1).下載模型(checkpoint):
def download_checkpoint(path, name, url): if os.path.isfile(path+name) == False: print("checkpoint(model) file does not exist, now download ...") subprocess.run(["wget", "-P", path, url]) path = "../../data/model/" checkpoint = "vgg19_batch356_imagenet_20210208-e6920e4a.pth" url = "https://download.openmmlab.com/mmclassification/v0/vgg/vgg19_batch356_imagenet_20210208-e6920e4a.pth" download_checkpoint(path, checkpoint, url)
(2).根據配置文件和checkpoint文件構建模型:
config = "../../src/mmclassification/configs/vgg/vgg19_8xb32_in1k.py"
model = init_model(config, path+checkpoint, device)
(3).準備測試圖像:原始圖像來自網絡
image_path = "../../data/image/" image_name = "6.jpg"
(4).進行推理:
result = inference_model(model, image) print(mmcv.dump(result, file_format='json', indent=4)) # show_result_pyplot(model, image, result)
執行結果如下圖所示:
關于“PyTorch開源圖像分類工具箱MMClassification怎么使用”的內容就介紹到這里了,感謝大家的閱讀。如果想了解更多行業相關的知識,可以關注億速云行業資訊頻道,小編每天都會為大家更新不同的知識點。
免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。