zoukankan      html  css  js  c++  java
  • EMZ-搭建DL模型的最简便的方式 | 附项目地址

    前言:

    在很多情况下,我们想实现一个模型来跑自己的一个任务,但不得不做很多重复的工作,例如图像预处理,搭建网络,可视化输出,计算推理时间等。

    商汤贡献了MMdetection项目, Facebook开源了detectron项目,它们把搭建一个模型所需要的一系列工作进行整合,实现了较为简单的方式去搭建并训练一个模型,但对于想要运行某个模型去完成一个任务来说,它们仍然不够简便。


    在本文,将介绍一个更为简单的github项目--Easy Model Zoo(简称EMZ),通过EMZ运行一个模型只需要不到十行代码。

    emz 的目标是抽象出所有不需要的东西,如果您只想运行模型,则不需要这些东西。您不感兴趣,如果实际模型是在 Pytorch、Tensorflow 或 Caffee 中实现的。你只是想试试这个模型。您甚至不需要自己下载模型。Emz 将为您下载。

    示例代码

    from easy_model_zoo import ModelRunner
    
    img_path = 'FULL PATH TO YOUR IMAGE'
    
    device = 'GPU' # or CPU
    
    # Choose a model from the list above
    model_runner = ModelRunner('EfficientDet-d0', device)
    model_runner.visualize(img_path, predictions)
    

    就这么简单。

    EMZ 有一个支持 CPU 或 GPU 推理的标准化 API。添加新模型很容易,只需创建一个新目录和一个从 Model 继承的新模型类。然后实现所有必要的方法。

    EMZ还负责可视化预测。目的是不需要编写任何额外的代码。

    下面是EMZ的Model 类。

    图片

    它具有针对不同任务的不同模型的目录。 

    目前支持的任务有:物体检测、语义分割、实例分割。

    随着时间的推移,后续会添加更多任务和更多模型。

    下载安装方式

    git clone https://github.com/SharifElfouly/easy-model-zoo
    cd easy-model-zoo
    pip3 install easy_model_zoo-0.2.4-py3-none-any.whl

    其他文章

    注意力机制总结

    特征金字塔总结

    数据增强方法总结

    CNN可视化技术总结

    CNN结构演变总结—经典模型

    CNN结构演变总结—轻量化模型

    CNN结构演变总结—设计原则

    池化技术总结

    非极大值抑制总结

    英文文献阅读方法总结

    论文创新的常见思路总结

    本文来源于公众号CV技术指南的技术总结系列。

    在公众号《CV技术指南》中回复“技术总结”可获取以上所有总结系列文章的汇总pdf

    QR.png

  • 相关阅读:
    redis相关
    Ubuntu安装之python开发
    Shell编程实战
    saltstack高效运维
    docker网络
    docker入门
    python学习博客地址集合。。。
    vue+uwsgi+nginx部署路飞学城
    部署你的CRM程序
    Java Netty教程(目录)
  • 原文地址:https://www.cnblogs.com/wxkang/p/14847452.html
Copyright © 2011-2022 走看看