代码之家 › 专栏 › 技术社区 › Austin

fastai学习者需求和批量预测

fast-ai predict batch-processing machine-learning python-3.x

5

Austin · 技术社区 · 7 年前

我之前使用fastai库训练了一个resnet34模型,并保存了weights.h5文件。使用最新版本的fastai,我是否仍然需要有非空的train和有效的文件夹才能导入我的学习者并在测试集中进行预测?

此外,Im目前正在循环通过每个测试图像并使用 learn.predict_array

我目前正在做的只是加载/预测的示例:

PATH = '/path/to/model/'
sz = 224
arch=resnet34
tfms = tfms_from_model(resnet34, sz, aug_tfms=transforms_side_on, max_zoom=1.1)
data = ImageClassifierData.from_paths(PATH, tfms=tfms, bs=64)
learn = ConvLearner.pretrained(arch, data, precompute=False)
learn.unfreeze()
learn.load('224_all')

imgs = sorted(glob(os.path.join(test_path, '*.jpg')))
preds = []
_,val_tfms = tfms_from_model(resnet34, 224)
for n, i in enumerate(imgs):
        im = val_tfms(open_image(i))[None]
        preds.append(1-np.argmax(learn.predict_array(im)[0]))

2 回复 | 直到 7 年前

1

5

Statistic Dean 7 年前

在fastai中,您现在可以导出并加载学习者在测试集上进行预测,而无需加载非空的培训和验证集。要做到这一点,您应该使用 export load_learner 功能(两者均在基本列车中定义)。

加载学习器

我将留下一个指向文档的链接:

- https://docs.fast.ai/basic_train.html#Deploying-your-model

这应该澄清任何后续问题。

2

4

Sunhwan Jo 7 年前

data = ImageClassifierData.from_paths(PATH, tfms=tfms, bs=64)
learn = ConvLearner.pretrained(arch, data, precompute=False)
learn.unfreeze()
learn.load('224_all')

preds = learn.predict(is_test=True)