图像分类任务不用冷启动,PaddlePaddle一口气发布十大预训练模型_官方快三手机app

网站地图
官方快三手机app
设为首页
加入收藏

首页     财经     新闻     央行     银监会     证监会     保监会     股票     基金     债券     外汇     期货

最新更新
相关文章
官方快三手机app > 证监会 > 图像分类任务不用冷启动,PaddlePaddle一口气发布十大预训练模型文章内容
图像分类任务不用冷启动,PaddlePaddle一口气发布十大预训练模型

作者:admin      发布日期:2020-02-06   点击:

  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共计5个预训练模型。近期,在图像分类领域,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率,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优秀,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比赛中取得冠军,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网络的方式」的三大架构之一。

  在最新发布的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 的分类项目中取得 了第一名的成绩。在 ImageNet 数据集上将 top-5 错误率从原先的最好成绩 2.991% 降低到 2.251%。

  在最新发布的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网络,2014年在ILSVRC比赛上获得了分类项目的第二名和定位项目的第一名。

  在最新发布的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过程,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的模型库中已经包含了最新的相关训练代码,经过简单的配置与加载,即可快速部署研发,首先请安装最新版的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train.py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https://github.com/PaddlePaddle/models/tree/develop/fluid/PaddleCV/image_classification

下拉到readme页面的最下方:

  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train.py文件中,

  通过fluid.io.load_vars加载相关预训练参数。

  运行train.py, 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说,使用预训练模型能够提供很好的帮助。因为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像分类预训练模型(包括GoogleNet,MobileNetV2,ShuffleNet系列等),敬请期待,也欢迎大家留言告诉我们您最期待的预训练模型。

特别提醒:本网内容转载自其他媒体,目的在于传递更多信息,并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益,请及时联系我们,本站将会在24小时内处理完毕。




↑返回顶部 打印本页 ×关闭窗口
关于我们 | 本站动态 | 广告服务| 商业合作 | 联系方式 | 服务声明 |
Copyright © 2017 官方快三手机app 版权所有