模型名称 | resnet50_vd_10w |
---|---|
类别 | 图像-图像分类 |
网络 | ResNet_vd |
数据集 | 百度自建数据集 |
是否支持Fine-tuning | 否 |
模型大小 | 92MB |
最新更新日期 | - |
数据指标 | - |
-
- ResNet系列模型是图像分类领域的重要模型之一,模型中提出的残差单元有效地解决了深度网络训练困难的问题,通过增加模型的深度提升了模型的准确率,ResNet-vd 其实就是 ResNet-D,是ResNet 原始结构的变种。该PaddleHub Module结构为ResNet_vd,使用百度自研的基于10万种类别、4千多万的有标签数据进行训练,接受输入图片大小为224 x 224 x 3,支持finetune。
-
-
paddlepaddle >= 1.6.2
-
paddlehub >= 1.6.0 | 如何安装paddlehub
-
-
-
$ hub install resnet50_vd_10w
- 如您安装时遇到问题,可参考:零基础windows安装 | 零基础Linux安装 | 零基础MacOS安装
-
-
-
import paddlehub as hub import cv2 classifier = hub.Module(name="resnet50_vd_10w") input_dict, output_dict, program = classifier.context(trainable=True)
-
-
-
def context(trainable=True, pretrained=True)
-
参数
- trainable (bool): 计算图的参数是否为可训练的;
- pretrained (bool): 是否加载默认的预训练模型。
- trainable (bool): 计算图的参数是否为可训练的;
-
返回
- inputs (dict): 计算图的输入,key 为 'image', value 为图片的张量;
- outputs (dict): 计算图的输出,key 为 'classification' 和 'feature_map',其相应的值为:
- classification (paddle.fluid.framework.Variable): 分类结果,也就是全连接层的输出;
- feature_map (paddle.fluid.framework.Variable): 特征匹配,全连接层前面的那个张量。
- context_prog(fluid.Program): 计算图,用于迁移学习。
- inputs (dict): 计算图的输入,key 为 'image', value 为图片的张量;
-
-
def save_inference_model(dirname, model_filename=None, params_filename=None, combined=True)
- 参数
- dirname: 存在模型的目录名称;
- model_filename: 模型文件名称,默认为__model__;
- params_filename: 参数文件名称,默认为__params__(仅当
combined
为True时生效); - combined: 是否将参数保存到统一的一个文件中。
- dirname: 存在模型的目录名称;
- 参数
-
-
1.0.0
初始发布
-
$ hub install resnet50_vd_10w==1.0.0
-