热搜
您的位置:首页 >> 娱乐

图像分类任务不用冷启动PaddlePad

2019年05月15日 栏目:娱乐

PaddlePaddle在不断增加官方支持的模型的同时,也在关注预训练模型的丰富度。在过去的版本中,已发布了目标检测Faster-RCNN、

PaddlePaddle在不断增加官方支持的模型的同时,也在关注预训练模型的丰富度。在过去的版本中,已发布了目标检测Faster-RCNN、MobileNet-SSD、PyramidBox和场景文字识别CRNN-CTC、OCR Attention总计5个预训练模型。近期,在图象分类领域,PaddlePaddle一口气发布了四个系列共十个预训练模型,丰富扩充了预训练模型库,助力用户提高构建模型的效力,大大减轻炼丹的烦恼。

主要包括

MobileNet v1

针对亟需在移动端应用深度学习技术的需求,MobileNet v1在存储空间和能耗低的地方表现,在损失精度很小的情况下,计算量,存储空间,准确率方面都有明显提升。

ResNet 系列模型

ResNet创新性的提出了残差结构,一举在ILSVRC2015比赛中取得,top5错误率为3.57%。斯坦福大学的Joyce Xu将ResNet称为「真正重新定义了我们看待神经络的方式」的三大架构之一。

在发布的PaddlePaddle 预训练模型包括有ResNet50,ResNet101和ResNet152。

SE_ResNeXt 系列模型

SE 全称 Sequeeze-and-Excitation,在ILSVRC 2017 的分类项目中获得 了名的成绩。在 ImageNet 数据集上将 top-5 错误率从本来的成绩 2.991% 下降到 2.251%。

在发布的PaddlePaddle 预训练模型包括有SE_ResNeXt50_32x4d和SE_ResNeXt101_32x4d。

VGG 系列模型

VGGNet是牛津大学计算机视觉组和DeepMind公司共同研发一种深度卷积络,2014年在ILSVRC比赛上取得了分类项目的第二名和定位项目的名。

在发布的PaddlePaddle预训练模型包括有VGG11,VGG13,VGG16,VGG19。

PaddlePaddle复现结果

以上预训练模型均经过官方测试验证,在精度上皆达到了应用要求。

您可以在他们的基础上进行开发,省却自己训练参数的进程,具体加载方式参考使用说明书。

【PaddlePaddle预训练模型使用说明书】

1. 安装PaddlePaddle和模型库

在PaddlePaddle的模型库中已经包括了的相干训练代码,经过简单的配置与加载,即可快速部署研发,首先请安装版的PaddlePaddle并且下载PaddlePaddle模型库:

当模型成功克隆后,可以在fluid/PaddleCV/image_classification下看到用于训练的代码。

2. 加载预训练模型

使用之前在ImageNet数据集上训练的预训练模型,可以直接使用相应的结构和权重,将它们应用到您正在面对的问题上。

预训练模型从哪里下载呢?首先进入官方模型介绍链接

下拉到readme页面的下方:

可以看到一个Released models的表格。在表格的model一列是模型的名称,这个名称是一个超链接,链接对应的是这个模型的预训练权重下载地址,点击模型名称即可下载相应的预训练模型。

在文件中,

通过ad_vars加载相关预训练参数。

运行, 通过指定 pretrained_model= "下载好的预训练模型路径",加载相应预训练模型进行训练。

例如,加载MobileNet v1预训练模型进行微调:

可以更改调整预训练模型参数,来适应具体工作方向,例如检测,图像分类等。

结语

对于想学习算法或者尝试现有框架的人来讲,使用预训练模型能够提供很好的帮助。由于时间与计算量方面的诸多限制,不方便随时从头开始训练一个模型,这也正是预训练模型存在的原因。您可以运用预训练作为基准来改进现有模型,或者根据它测试自己的模型。

年后PaddlePaddle还会继续发布几组新的图象分类预训练模型(包括GoogleNet,MobileNetV2,ShuffleNet系列等),敬请期待,也欢迎大家留言告知我们您期待的预训练模型。

月经不调应该注意哪些
月经过多如何补血
女生小腹胀痛怎么缓解