49 lines
1.9 KiB
Markdown
49 lines
1.9 KiB
Markdown
# 使用现有模型推理
|
||
|
||
MMClassification 在 [Model Zoo](../model_zoo.md) 中提供了用于分类的预训练模型。
|
||
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#推理)
|
||
|
||
## 推理单张图片
|
||
|
||
MMClassification 为图像推理提供高级 Python API：
|
||
|
||
- [init_model](mmcls.apis.init_model): 初始化一个模型。
|
||
- [inference_model](mmcls.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}
|
||
如果您将 mmcls 当作第三方库使用，需要下载样例中的配置文件以及样例图片。
|
||
|
||
运行 'mim download mmcls --config resnet50_8xb32_in1k --dest .' 下载所需配置文件。
|
||
|
||
运行 'wget https://github.com/open-mmlab/mmclassification/blob/master/demo/demo.JPEG' 下载所需图片。
|
||
```
|
||
|
||
```python
|
||
from mmcls.apis import inference_model, init_model
|
||
from mmcls.utils import register_all_modules
|
||
|
||
config_path = './configs/resnet/resnet50_8xb32_in1k.py'
|
||
checkpoint_path = 'https://download.openmmlab.com/mmclassification/v0/resnet/resnet50_8xb32_in1k_20210831-ea4938fc.pth' # 也可以设置为一个本地的路径
|
||
img_path = 'demo/demo.JPEG' # 可以指定自己的图片路径
|
||
|
||
# 注册
|
||
register_all_modules() # 将所有模块注册在默认 mmcls 域中
|
||
# 构建模型
|
||
model = init_model(config_path, checkpoint_path, device="cpu") # `device` 可以为 'cuda:0'
|
||
# 执行推理
|
||
result = inference_model(model, img_path)
|
||
print(result)
|
||
```
|
||
|
||
`result` 为一个包含了 `pred_label`, `pred_score` 和 `pred_score`的字典，结果如下:
|
||
|
||
```text
|
||
{"pred_label":65,"pred_score":0.6649366617202759,"pred_score":"sea snake"}
|
||
```
|
||
|
||
演示可以在 [demo/image_demo.py](https://github.com/open-mmlab/mmclassification/blob/1.x/demo/image_demo.py) 中找到。
|