Skip to content

Latest commit

 

History

History
 
 

resnet50_vd_10w

Folders and files

NameName
Last commit message
Last commit date

parent directory

..
 
 
 
 
 
 

resnet50_vd_10w

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
模型大小 92MB
最新更新日期 -
数据指标 -

一、模型基本信息

  • 模型介绍

    • 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。

二、安装

三、模型API预测

  • 1、预测代码示例

    • import paddlehub as hub
      import cv2
      
      classifier = hub.Module(name="resnet50_vd_10w")
      input_dict, output_dict, program = classifier.context(trainable=True)
  • 2、API

    • 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。
      • 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。
    • 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。

五、更新历史

  • 1.0.0

    初始发布

    • $ hub install resnet50_vd_10w==1.0.0