pytorch图像分类实战 之预训练图像分类模型预测

前言

第二次任务的学习内容是预训练图像分类模型预测，是使用开源库进行图像分类，主要是调包。本篇博客是总览一下学习内容，并给出实践效果。 代码教程：https://github.com/TommyZihao/Train_Custom_Dataset 。

1、环境配置

云GPU平台主要是下载numpy、Pytorch、mmcv-full等库，以及中文字体和ImageNet100类别信息等。

# 下载支持库
!pip install numpy pandas matplotlib requests tqdm opencv-python pillow gc -i https://pypi.tuna.tsinghua.edu.cn/simple
# 下载安装Pytorch
!pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
# 安装mmcv -full
!pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.10.0/index.html
# 下载中文字体
!wget https://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20220716-mmclassification/dataset/SimHei.ttf
# 下载ImageNet100类别信息
!wget https://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20220716-mmclassification/dataset/meta_data/imagenet_class_index.csv

2、预测效果

预测单张图像

预测视频图像

本地摄像头预测

总结

本次学习主要是根据教程走了一遍流程。通过本次学习我学会了如何使用已经有的开源框架进行图像识别与分类，我了解了具体的实现流程，为以后的学习打下了基础。导入包，载入模型，输入数据，然后进行处理后可视化输出，就完成了图像分类的任务。