İçbükey tapınaktan kestane
Qubit Üretildi | Genel Hesap QbitAI
PyTorch vizyon araç setini duyurdu meşale Büyük güncelleme.
Sonunda geldi torchvision 0.3 Yukarı.
Bu sefer çok Yeni model :yapmak Anlamsal bölümleme Yapmaktan Hedef Tespiti Yapmaktan Örnek segmentasyonu nın-nin
Ayrıca çok arttı veri seti ,gibi ImageNet , CelebA , Caltech 101 Vs vs.
Ek olarak, torchvision'da çok şey var Görme için C ++ / Cuda operatörü .
Haber çıkar çıkmaz arkadaşlar aceleyle birbirlerine anlattılar.
Şimdi, yeni meşale görüşünün nerede daha güçlü hale geldiğine daha yakından bakalım.
Hangi özellikler yeni?
Eğitim / değerlendirme metni
Şimdi, referans / klasör altında, birçok görevi destekleyen eğitim ve değerlendirme için komut dosyaları sağlanmıştır:
Sınıflandırma, anlamsal bölümleme, hedef algılama, örnek bölümleme ve karakter anahtar noktası algılama.
Bu komut dosyaları günlükler olarak kullanılabilir: belirli bir modelin nasıl eğitileceğini yazar ve bir temel sağlar. Bu hızlı kılavuzla araştırmaya sorunsuz bir şekilde başlamak kolaydır.
torchvision operatörü
Başta da belirtildiği gibi, torchvision bu sefer bilgisayar görüşüne adanmış C ++ / CUDA operatörlerini özelleştirdi.
Bu operatörlerle bir hedef tespit modeli oluşturmak daha kolaydır:
· Roi_pool (ve modül sürümü RoIPool) · roi_align (ve modül sürümü RoIAlign) · nms, sınırlayıcı kutunun maksimum bastırılması (Maksimum Olmayan Bastırma için) · box_iou, iki sınırlayıcı kutu seti arasındaki kesişimi hesaplamak için kullanılır · box_area, bir dizi sınırlayıcı kutunun alanını hesaplamak için kullanılırBir sonraki güncellemeye kadar bu operatörler PyTorch komut dosyası modunu destekleyecek.
Bu operatörlerin nasıl kullanılacağına gelince, bazı örnekler resmi olarak verilmiştir:
Hangi modeller yeni?
Çünkü hedef algılama, örnek bölümleme ve karakter anahtar nokta algılama modeli desteği yeni eklendi.
Öyleyse hangi modellerin eklendiğine bir göz atalım:
Segmentasyon modeli
Resmi bloga göre torchvision 0.3 yeni eklendi FCN ile DeepLabV3 Segmentasyon modeli ResNet50 ve ResNet101 iskeletlerini kullanır.
ResNet101, önceden eğitilmiş ağırlıklara sahiptir. COCO train2017 veri setinin bir alt kümesi üzerinde eğitilmiştir. 20 kategori Pascal VOC ile tutarlıdır:
Algılama modeli
torchvision 0.3 yeni, önceden eğitilmiş içerir Daha hızlı R-CNN , Maske R-CNN Hem de Anahtar Nokta R-CNN .
Yetkili ayrıca çeşitli modellerin uygulanmasının hızlı bir şekilde Özellikle eğitim süreci çok hızlı.
(Ekip, CUDA 10.0 ve CUDNN 7.4 ile 8 V100 GPU kullandı. Eğitimdeki her bir GPU'nun parti boyutu 2'dir ve testteki parti boyutu 1'dir.)
Hız aşağıdaki gibidir, her ikisi de Milisaniye :
Ayrıca, birkaç satır kod yazdığınız sürece, bu önceden eğitilmiş algılama modellerini ve segmentasyon modellerini doğrudan yükleyebilir ve çalıştırabilirsiniz:
ithal meşale model = torchvision.models.detection.maskrcnn_resnet50_fpn (önceden eğitilmiş = Doğru) # model farklı davrandığı için onu değerlendirme moduna ayarlayın # eğitim sırasında ve değerlendirme sırasında model.eval () resim = PIL.Image.open ('/ yol / / bir / resim.jpg') image_tensor = torchvision.transforms.functional.to_tensor (resim) # (potansiyel olarak farklı boyutta) tensörlerin bir listesini geçirin # modele, 0-1 aralığında. Model ilgilenecek # onları bir araya toplamak ve normalleştirmek çıktı = model () # çıktı, sonradan işlenmiş tahminleri içeren bir dikt listesidirSınıflandırma modeli
Yeni eklenen sınıflandırma modelleri şunları içerir:
· GoogLeNet (Başlangıç v1)
· MobiliNet V2
· ShuffleNet v2
· ResNeXt-5032x4d ve ResNeXt-10132x8d
Hangi veri setleri yenidir?
Önce yüz veri kümesine bakın ve bunları ekleyin:
Caltech101, Caltech256 ve CelebA
sonra, ImageNet Ayrıca katıldı.
ve ayrıca, Anlamsal Sınırlar Veri Kümesi (Anlamsal Sınır Veri Kümesi).
Hem de, VisionDataset , Çeşitli veri kümeleri için temel sınıf olarak.
Git çabuk kullan
Herhangi bir sorunuz varsa gözlemleyebilirsiniz. Daha ayrıntılı sürüm notları .
Nasıl kullanılacağını bilmiyorsan alabilirsin Colab eğitimi .
Hazırsanız, yeni meşale ile proje üzerinde çalışmaya başlayın.
torchvision 0.3.0
https://pypi.org/project/torchvision/
Colab eğitimi:
https://colab.research.google.com/github/pytorch/vision/blob/temp-tutorial/tutorials/torchvision_finetuning_instance_segmentation.ipynb
Ayrıntılı sürüm notları:
https://github.com/pytorch/vision/releases
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! Ayrıntılar için, lütfen QbitAI diyalog arayüzündeki "işe alma" kelimesini yanıtlayın.
Qubit QbitAI · Toutiao İmzalama Yazarı
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri izleme