Pre-trained मॉडलों के साथ काम करना

PyTorch के साथ इमेज के लिए डीप लर्निंग

Michal Oleszak

Machine Learning Engineer

Pre-trained मॉडलों का उपयोग

मॉडलों को स्क्रैच से ट्रेन करना:
- लंबी प्रक्रिया
- बहुत सारा डेटा चाहिए
Pre-trained models - पहले से किसी टास्क पर ट्रेन्ड मॉडल
- नए टास्क पर सीधे रीयूज़ हो सकते हैं
- नए टास्क के अनुसार एडजस्ट करने पड़ते हैं (transfer learning)
Pre-trained मॉडलों का लाभ उठाने के स्टेप्स:
- मॉडल्स को लोकली सेव और लोड करना
- torchvision मॉडल्स डाउनलोड करना

पूरा PyTorch मॉडल सेव करना

torch.save()
मॉडल एक्सटेंशन: .pt या .pth
.state_dict() से मॉडल वेट्स सेव करें
```
torch.save(model.state_dict(), "BinaryCNN.pth")
```

PyTorch मॉडल्स लोड करना

नया मॉडल बनाइए
```
new_model = BinaryCNN()
```
सेव किए गए पैरामीटर्स लोड करें
```
new_model.load_state_dict(torch.load('BinaryCNN.pth'))
```

torchvision मॉडल्स डाउनलोड करना

from torchvision.models import (
    resnet18, ResNet18_Weights
)


weights = ResNet18_Weights.DEFAULT

model = resnet18(weights=weights)

transforms = weights.transforms()

resnet आर्किटेक्चर और वेट्स इम्पोर्ट करें
वेट्स निकालें
वेट्स पास करके मॉडल बनाइए
ज़रूरी डेटा ट्रांसफॉर्म्स स्टोर करें

नए इनपुट इमेज तैयार करें

from PIL import Image

image = Image.open("cat013.jpg")

image_tensor = transform(image)

image_reshaped = image_tensors.unsqueeze(0)

बिल्ली की छवि

इमेज लोड करें
इमेज ट्रांसफॉर्म करें
इमेज को रीशेप करें

नई prediction जनरेट करना

model.eval()


with torch.no_grad():

    pred = model(image_reshaped).squeeze(0)


pred_cls = pred.softmax(0)

cls_id = pred_cls.argmax().item()

cls_name = weights.meta["categories"][cls_id]


print(cls_name)

Egyptian cat

इन्फरेंस के लिए इवैल्यूएशन मोड
ग्रेडिएंट्स डिसेबल करें
इमेज को मॉडल में दें और बैच डायमेंशन हटाएँ
softmax लगाएँ
सबसे उच्च प्रॉबेबिलिटी वाली क्लास चुनें और उसका इंडेक्स लें
क्लास इंडेक्स को लेबल से मैप करें
क्लास लेबल प्रिंट करें

अभ्यास करते हैं!

PyTorch के साथ इमेज के लिए डीप लर्निंग

Preparing Video For Download...