Pytorch预训练图像分类模型识别预测【两天搞定AI毕设】
合集 · 两天搞定人工智能毕业设计之【图像分类】 (16)
-
构建自己的图像分类数据集【两天搞定AI毕设】
35:07
-
Pytorch预训练图像分类模型识别预测【两天搞定AI毕设】
37:55
-
Pytorch迁移学习训练自己的图像分类模型【两天搞定AI毕设】
51:15
-
用训练得到的pytorch图像分类模型,识别图像、视频、摄像头画面【两天搞定AI毕设】
16:46
-
测试集上评估Pytorch训练得到的图像分类模型【两天搞定AI毕业设计】
24:49
-
图像分类测试集语义特征降维可视化
30:20
-
图像分类可解释性分析实战-CAM热力图系列算法
46:34
-
图像分类可解释性分析实战-Deep Feature Factorization
10:50
-
图像分类可解释性分析实战-Captum工具包
13:12
-
图像分类可解释性分析实战-shap工具包
49:01
-
图像分类可解释性分析实战-lime工具包
14:58
-
图像分类模型部署-Pytorch转ONNX
16:41
-
Pytorch图像分类模型部署-ONNX Runtime本地终端推理
23:01
-
Pytorch图像分类部署-ONNX Runtime安卓手机APP
16:33
-
Pytorch图像分类部署-ONNX Runtime浏览器Web前端
6:04
-
AidLux图像分类部署-安卓鸿蒙高通ARM
34:14
Description
【子豪兄带你两天搞定AI毕业设计】 代码教程、样例数据集下载:https://github.com/TommyZihao/Train_Custom_Dataset 使用Pytorch自带的预训练图像分类模型,分别对单张图像、视频、摄像头实时画面运行图像分类预测 代码教程:https://github.com/TommyZihao/Train_Custom_Dataset 代码运行云GPU环境:https://featurize.cn/?s=d7ce99f842414bfcaea5662a97581bd1 MMClassification主页:https://github.com/open-mmlab/mmclassification
Comments
本文介绍如何将github上的ipynb文件下载到本地,并用jupyter打开。 操作步骤如下: 在GitHub上用浏览器打开该.ipynb文件; 点击代码窗口右上角的raw,则代码会在新窗口中显示为json格式; 按Ctrl+S或右击将json代码保存到本地,注意将后缀改为.ipynb; 再用jupyter打开本地的ipynb文件即可;
♥ 35 ↩ 3
虽然但是,还是想恭喜子豪扯到了结婚证[傲娇][打call]
♥ 34 ↩ 1
我本身是一个炼丹师,身上带一个锤子,很合理吧。正如我刚才所说,作为一个炼丹师,身上带一个螺丝刀也很合逻辑吧
♥ 20 ↩ 1
代码教程:https://github.com/TommyZihao/Train_Custom_Dataset 代码运行云GPU环境:https://featurize.cn/?s=d7ce99f842414bfcaea5662a97581bd1 图像分类答疑交流群(有问必答):https://zdb.h5.xeknow.com/s/3MPxbI
♥ 19 ↩ 1
先赞再说,毕业设计就指望子豪兄了
♥ 12 ↩ 3
gc库安装不了,目前为止没发现有什么影响,如果mmcv库安装不了,需要根据你的pytorch,cuda版本安装对应的mmcv,我这里提供一个pytorch=2.2.2+cuda12.1版本的mmcv安装命令行,复制下面命令行就可以直接下载 pip install mmcv==2.0.0 -f https://download.openmmlab.com/mmcv/dist/cu118/torch2.0/index.html -i https://pypi.tuna.tsinghua.edu.cn/simple
♥ 4 ↩ 3
下载安装mmcv-full就卡了我好久,但我用的就是子豪兄推荐的这个云平台
♥ 4 ↩ 3
一、如何使用最常用的深度学习框架Pytorch调用预训练的图像分类模型,对单张图像、视频文件和摄像头的实时画面进行图像分类预测。 00:20 - 使用最常用的深度学习框架PYTORCH 调用它自带的预训练图像分类模型 01:23 - 今天的教程包含七个代码,可以在GITHUB上搜到train custom data set 图像分类的第二集 04:46 - 这是一个非常重要的数据集,是image net竞赛主要用来比分的数据集 二、神经网络模型的预处理方法,包括图像缩放、归一化、通道归一化等操作,以及如何使用模型进行图像分类和预测。 07:34 - 神经网络越深效果越好,但RESNET18已经足够用 08:31 - 图像预处理包括缩放、归一化、转成tensor等步骤 11:49 - 使用soft max函数对1000个类别的分数进行归一化,得到概率分布 三、使用深度学习模型进行图像分类的预测结果,并将其与柱状图和图像一起显示。同时,还讲解了如何将预测结果导出到表格中。 15:09 - 可以将图像保存到output的image pread,查看预测结果和置信度 16:34 - 可以将预测结果添加到表格中,保存成CSV文件 19:40 - 西瓜的多样性不适合做成图像分类数据集,可以训练自己的模型 四、中文图像分类预测的实现过程,包括对图像和视频的处理、预测结果的显示和可视化等。同时还介绍了一些小技巧和注意事项。 22:43 - 中文没有等宽字体,B1代码中的字符串效果不对齐。 23:45 - C1代码是对视频文件逐帧的运行图像分类,生成新视频。 27:44 - C2代码中指定预处理和预测函数为使用中文的函数,输入和输出为BGR的NARRAY。 五、如何使用MCV进行视频处理,包括读取视频、生成进度条、处理每一帧画面、生成完整视频等。同时,还介绍了如何调用摄像头获取实时画面进行处理。 30:20 - 使用代码模板读取视频,处理每一帧画面 31:25 - 调用笔记本电脑摄像头实时画面,预处理并预测类别 36:08 - 使用PYTORCH内置模型进行图像分类,可以改进模型和使用 --本内容由AI视频小助理生成,关注解锁AI助理,由@炒股给无望生活点希望 召唤发送
♥ 4
下载安装mmcv-full就卡了我好几个小时。cuda,cudnn,pytorch,c++编译器都弄了,版本也对上了。然后还是可劲儿报错,绝望了。
♥ 3 ↩ 9
是不是没用到第一集的数据集啊,第一集的数据集不是水果的吗
♥ 3 ↩ 7
在朋友圈看到子豪兄结婚啦,呜呜呜呜
♥ 3
赞赞赞 [胆大党_微笑]
♥ 2
怎么解决啊,试了各种方法都不行
♥ 2 ↩ 1
wegt jupyter里'wget' 不是内部或外部命令,也不是可运行的程序 或批处理文件。 怎么办?[辣眼睛]
♥ 2 ↩ 6
本科生做这个项目合适吗[笑哭]怕被老师问一堆问题
♥ 2
子豪大神,后续的分割和目标检测啥时候出啊?已经看上瘾了,给个大概的时间呗T_T
♥ 2
求更图像分割
♥ 2
up有没有群啊 希望能加入学习探讨一下
♥ 2
子豪兄,好人啊
♥ 1 ↩ 1
D1/2代码在实验室服务器运行,可以用自己电脑上的摄像头吗?
♥ 1