Я использую предварительно обученную модель Alexnet (без тонкой настройки) от torchvision. Проблема в том, что, хотя я могу запустить модель на некоторых данных и получить выходное распределение вероятностей, я не могу найти метки классов, чтобы сопоставить их.
Согласно этой официальной документации
Следуя некоторым шагам по обработке изображения, я могу использовать его для получения выходных данных для одного изображения в виде (11000) тусклого вектора, для которого я буду использовать softmax. получить распределение вероятностей -
Я использую предварительно обученную модель Alexnet (без тонкой настройки) от torchvision. [b]Проблема в том, что, хотя я могу запустить модель на некоторых данных и получить выходное распределение вероятностей, я не могу найти метки классов, чтобы сопоставить их[/b]. Согласно этой официальной документации [code]import torch model = torch.hub.load('pytorch/vision:v0.6.0', 'alexnet', pretrained=True) model.eval() [/code] [code]AlexNet( (features): Sequential( (0): Conv2d(3, 64, kernel_size=(11, 11), stride=(4, 4), padding=(2, 2)) (1): ReLU(inplace=True) (2): MaxPool2d(kernel_size=3, stride=2, padding=0, dilation=1, ceil_mode=False) (3): Conv2d(64, 192, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2)) (4): ReLU(inplace=True) (5): MaxPool2d(kernel_size=3, stride=2, padding=0, dilation=1, ceil_mode=False) (6): Conv2d(192, 384, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)) (7): ReLU(inplace=True) (8): Conv2d(384, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)) (9): ReLU(inplace=True) (10): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)) (11): ReLU(inplace=True) (12): MaxPool2d(kernel_size=3, stride=2, padding=0, dilation=1, ceil_mode=False) ) (avgpool): AdaptiveAvgPool2d(output_size=(6, 6)) (classifier): Sequential( (0): Dropout(p=0.5, inplace=False) (1): Linear(in_features=9216, out_features=4096, bias=True) (2): ReLU(inplace=True) (3): Dropout(p=0.5, inplace=False) (4): Linear(in_features=4096, out_features=4096, bias=True) (5): ReLU(inplace=True) (6): Linear(in_features=4096, out_features=1000, bias=True) ) ) [/code] Следуя некоторым шагам по обработке изображения, я могу использовать его для получения выходных данных для одного изображения в виде (11000) тусклого вектора, для которого я буду использовать softmax. получить распределение вероятностей - [code]#Output -
Я хочу использовать предварительно обученные модели, такие как Xception, VGG16, ResNet50 и т. д., для своего проекта по распознаванию изображений глубокого обучения, чтобы быстро обучить модель на обучающем наборе с высокой точностью. У меня...
Мне нужно реализовать федеративное обучение. Итак, я обучил список из 5 моделей и обучил каждую модель на разных наборах данных. Теперь мне нужно объединить обученные модели в список, но я понятия не имею, как это сделать. После этого мне придется...
Я прочитал документацию по API Torchvision с использованием предварительно обученных моделей для обнаружения объектов. Это пример, который они включили:
from torchvision.io.image import decode_image
from torchvision.models.detection import...
Мобильная версия