mirror of
https://github.com/open-mmlab/mmclassification.git
synced 2025-06-03 21:53:55 +08:00
f6b65fcbe7
* update user_guides * update test.md * fix lint * fix typo * refine * fix typo * update retriever to api * update rst and downstream * update index.rst * update index.rst * update custom.js * update chinese docs * update config.md * update train and test * add pretrain on custom dataset * fix lint
43 lines
1.6 KiB
Markdown
43 lines
1.6 KiB
Markdown
# 使用现有模型推理
|
||
|
||
- [使用现有模型推理](#使用现有模型推理)
|
||
- [推理单张图片](#推理单张图片)
|
||
|
||
MMPretrain 在 [Model Zoo](../modelzoo_statistics.md) 中提供了预训练模型。
|
||
本说明将展示**如何使用现有模型对给定图像进行推理**。
|
||
|
||
至于如何在标准数据集上测试现有模型，请看这个[指南](./train_test.md#测试)
|
||
|
||
## 推理单张图片
|
||
|
||
MMPretrain 为图像推理提供高级 Python API：
|
||
|
||
- [`get_model`](mmpretrain.apis.get_model): 根据名称获取一个模型。
|
||
- [`init_model`](mmpretrain.apis.init_model): 根据配置文件和权重文件初始化一个模型。
|
||
- [`inference_model`](mmpretrain.apis.inference_model)：对给定图片进行推理。
|
||
|
||
下面是一个示例，如何使用一个 ImageNet-1k 预训练权重初始化模型并推理给定图像。
|
||
|
||
```{note}
|
||
可以运行 `wget https://github.com/open-mmlab/mmclassification/raw/master/demo/demo.JPEG` 下载样例图片，或使用其他图片。
|
||
```
|
||
|
||
```python
|
||
from mmpretrain import get_model, inference_model
|
||
|
||
img_path = 'demo.JPEG' # 可以指定自己的图片路径
|
||
|
||
# 构建模型
|
||
model = get_model('resnet50_8xb32_in1k', pretrained=True, device="cpu") # `device` 可以为 'cuda:0'
|
||
# 执行推理
|
||
result = inference_model(model, img_path)
|
||
```
|
||
|
||
`result` 为一个包含了 `pred_label`, `pred_score`, `pred_scores` 和 `pred_class`的字典，结果如下:
|
||
|
||
```text
|
||
{"pred_label":65,"pred_score":0.6649366617202759,"pred_class":"sea snake", "pred_scores": [..., 0.6649366617202759, ...]}
|
||
```
|
||
|
||
演示可以在 [demo/image_demo.py](https://github.com/open-mmlab/mmpretrain/blob/main/demo/image_demo.py) 中找到。
|