Робота з попередньо натренованими моделями

Глибоке навчання для зображень із PyTorch

Michal Oleszak

Machine Learning Engineer

Використання попередньо натренованих моделей

Навчання моделей з нуля:
- Довгий процес
- Потрібно багато даних
Попередньо натреновані моделі — моделі, уже навчені на завданні
- Можна одразу використовувати для нового завдання
- Потребують адаптації до нового завдання (transfer learning)
Кроки для використання попередньо натренованих моделей:
- Збереження й завантаження моделей локально
- Завантаження моделей torchvision

Збереження повної моделі PyTorch

torch.save()
Розширення файлів моделі: .pt або .pth
Збережіть ваги моделі через .state_dict()
```
torch.save(model.state_dict(), "BinaryCNN.pth")
```

Завантаження моделей PyTorch

Створіть нову модель
```
new_model = BinaryCNN()
```
Завантажте збережені параметри
```
new_model.load_state_dict(torch.load('BinaryCNN.pth'))
```

Завантаження моделей torchvision

from torchvision.models import (
    resnet18, ResNet18_Weights
)


weights = ResNet18_Weights.DEFAULT

model = resnet18(weights=weights)

transforms = weights.transforms()

Імпортуйте архітектуру resnet і ваги
Витягніть ваги
Створіть модель, передавши їй ваги
Збережіть потрібні перетворення даних

Підготовка нових вхідних зображень

from PIL import Image

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

image_tensor = transform(image)

image_reshaped = image_tensors.unsqueeze(0)

зображення кота

Завантажте зображення
Перетворіть зображення
Змініть форму зображення

Генерування нового передбачення

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

Режим оцінювання для інференсу
Вимкніть градієнти
Передайте зображення в модель і приберіть розмір пакета
Застосуйте softmax
Оберіть клас з найбільшою ймовірністю та отримайте його індекс
Співвіднесіть індекс класу з міткою
Виведіть мітку класу

Давайте потренуємось

Глибоке навчання для зображень із PyTorch

Preparing Video For Download...