PyTorch学习Lesson4

本节课的主要内容就这些，我们简单回顾下：

（1） 对语义分割任务和 DeepLabV3 模型做了简单介绍；
（2） 根据 pytorch 模型推理的三板斧：数据预处理、数据进网络、数据后处理，逐行实现了 DeepLabV3 的推理代码；
（3） 对模型输入大小的选取，做了详细介绍。

必做题：

（1） 对 “./images/car.jpg” 做语义分割，提取出里面的车辆，模仿上课时，对“可视化推理结果”和“BGRA 四通道图”进行保存。

（2） 自己找 2 张其他图，对图中某个类别进行分割，并保存“BGRA 四通道图”。

思考题：

（1） 用 time 模块和 for 循环，对”./images/car.jpg”连续推理 100 次，统计时间开销。有 CUDA 的同学，改下代码：self.device=torch.device(‘cuda’)，统计时间开销。

CPU连续推理时间：226.58551049232483 S

（2） 以 0.5 为阈值，计算”./images/car.jpg”图中车辆的面积（单位：像素）。

打卡说明

答题格式：
必做题：
题（1）提交“可视化推理结果”和“BGRA 四通道图”两张图片。
题（2）提交下找的 2 张图片、各自指定的类别以及“BGRA 四通道图”。
思考题：
题（1）CPU 推理和 CUDA 推理，各自的时间开销。
题（2）面积（单位：像素）。