Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
PaddleHub
提交
82fbb98e
P
PaddleHub
项目概览
PaddlePaddle
/
PaddleHub
接近 2 年 前同步成功
通知
284
Star
12117
Fork
2091
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
200
列表
看板
标记
里程碑
合并请求
4
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
PaddleHub
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
200
Issue
200
列表
看板
标记
里程碑
合并请求
4
合并请求
4
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
未验证
提交
82fbb98e
编写于
5月 25, 2021
作者:
H
haoyuying
提交者:
GitHub
5月 25, 2021
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Fix image classification docs typo.
上级
0c53f545
变更
3
隐藏空白更改
内联
并排
Showing
3 changed file
with
12 addition
and
18 deletion
+12
-18
demo/image_classification/README.md
demo/image_classification/README.md
+6
-8
docs/docs_ch/finetune/image_classification.md
docs/docs_ch/finetune/image_classification.md
+3
-5
docs/docs_en/finetune/image_classification.md
docs/docs_en/finetune/image_classification.md
+3
-5
未找到文件。
demo/image_classification/README.md
浏览文件 @
82fbb98e
...
...
@@ -20,9 +20,9 @@ $ hub run resnet50_vd_imagenet_ssld --input_path "/PATH/TO/IMAGE" --top_k 5
```
python
import
paddlehub.vision.transforms
as
T
transforms
=
T
.
Compose
([
T
.
Resize
((
256
,
256
)),
T
.
CenterCrop
(
224
),
T
.
Normalize
(
mean
=
[
0.485
,
0.456
,
0.406
],
std
=
[
0.229
,
0.224
,
0.225
])],
transforms
=
T
.
Compose
([
T
.
Resize
((
256
,
256
)),
T
.
CenterCrop
(
224
),
T
.
Normalize
(
mean
=
[
0.485
,
0.456
,
0.406
],
std
=
[
0.229
,
0.224
,
0.225
])],
to_rgb
=
True
)
```
...
...
@@ -46,7 +46,7 @@ flowers_validate = Flowers(transforms, mode='val')
### Step3: 加载预训练模型
```
python
mod
ule
=
hub
.
Module
(
name
=
"resnet50_vd_imagenet_ssld"
,
label_list
=
[
"roses"
,
"tulips"
,
"daisy"
,
"sunflowers"
,
"dandelion"
])
mod
el
=
hub
.
Module
(
name
=
"resnet50_vd_imagenet_ssld"
,
label_list
=
[
"roses"
,
"tulips"
,
"daisy"
,
"sunflowers"
,
"dandelion"
])
```
*
`name`
: 选择预训练模型的名字。
*
`label_list`
: 设置输出分类类别,默认为Imagenet2012类别。
...
...
@@ -56,7 +56,7 @@ PaddleHub提供许多图像分类预训练模型,如xception、mobilenet、eff
如果想尝试efficientnet模型,只需要更换Module中的
`name`
参数即可.
```
python
# 更换name参数即可无缝切换efficientnet模型, 代码示例如下
mod
ule
=
hub
.
Module
(
name
=
"efficientnetb7_imagenet"
)
mod
el
=
hub
.
Module
(
name
=
"efficientnetb7_imagenet"
)
```
**NOTE:**
目前部分模型还没有完全升级到2.0版本,敬请期待。
...
...
@@ -71,9 +71,7 @@ trainer.train(flowers, epochs=100, batch_size=32, eval_dataset=flowers_validate,
#### 优化策略
Paddle2.0-rc提供了多种优化器选择,如
`SGD`
,
`Adam`
,
`Adamax`
等,详细参见
[
策略
](
https://www.paddlepaddle.org.cn/documentation/docs/zh/2.0-rc/api/paddle/optimizer/optimizer/Optimizer_cn.html
)
。
其中
`Adam`
:
Paddle2.0提供了多种优化器选择,如
`SGD`
,
`Adam`
,
`Adamax`
等,其中
`Adam`
:
*
`learning_rate`
: 全局学习率。默认为1e-3;
*
`parameters`
: 待优化模型参数。
...
...
docs/docs_ch/finetune/image_classification.md
浏览文件 @
82fbb98e
...
...
@@ -46,7 +46,7 @@ flowers_validate = Flowers(transforms, mode='val')
### Step3: 加载预训练模型
```
python
mod
ule
=
hub
.
Module
(
name
=
"resnet50_vd_imagenet_ssld"
,
label_list
=
[
"roses"
,
"tulips"
,
"daisy"
,
"sunflowers"
,
"dandelion"
])
mod
el
=
hub
.
Module
(
name
=
"resnet50_vd_imagenet_ssld"
,
label_list
=
[
"roses"
,
"tulips"
,
"daisy"
,
"sunflowers"
,
"dandelion"
])
```
*
`name`
: 选择预训练模型的名字。
*
`label_list`
: 设置输出分类类别,默认为Imagenet2012类别。
...
...
@@ -56,7 +56,7 @@ PaddleHub提供许多图像分类预训练模型,如xception、mobilenet、eff
如果想尝试efficientnet模型,只需要更换Module中的
`name`
参数即可.
```
python
# 更换name参数即可无缝切换efficientnet模型, 代码示例如下
mod
ule
=
hub
.
Module
(
name
=
"efficientnetb7_imagenet"
)
mod
el
=
hub
.
Module
(
name
=
"efficientnetb7_imagenet"
)
```
**NOTE:**
目前部分模型还没有完全升级到2.0版本,敬请期待。
...
...
@@ -71,9 +71,7 @@ trainer.train(flowers, epochs=100, batch_size=32, eval_dataset=flowers_validate,
#### 优化策略
Paddle2.0-rc提供了多种优化器选择,如
`SGD`
,
`Adam`
,
`Adamax`
等,详细参见
[
策略
](
https://www.paddlepaddle.org.cn/documentation/docs/zh/2.0-rc/api/paddle/optimizer/optimizer/Optimizer_cn.html
)
。
其中
`Adam`
:
Paddle2.0提供了多种优化器选择,如
`SGD`
,
`Adam`
,
`Adamax`
等, 其中
`Adam`
:
*
`learning_rate`
: 全局学习率。默认为1e-3;
*
`parameters`
: 待优化模型参数。
...
...
docs/docs_en/finetune/image_classification.md
浏览文件 @
82fbb98e
...
...
@@ -46,7 +46,7 @@ flowers_validate = Flowers(transforms, mode='val')
### Step3: 加载预训练模型
```
python
mod
ule
=
hub
.
Module
(
name
=
"resnet50_vd_imagenet_ssld"
,
label_list
=
[
"roses"
,
"tulips"
,
"daisy"
,
"sunflowers"
,
"dandelion"
])
mod
el
=
hub
.
Module
(
name
=
"resnet50_vd_imagenet_ssld"
,
label_list
=
[
"roses"
,
"tulips"
,
"daisy"
,
"sunflowers"
,
"dandelion"
])
```
*
`name`
: 选择预训练模型的名字。
*
`label_list`
: 设置输出分类类别,默认为Imagenet2012类别。
...
...
@@ -56,7 +56,7 @@ PaddleHub提供许多图像分类预训练模型,如xception、mobilenet、eff
如果想尝试efficientnet模型,只需要更换Module中的
`name`
参数即可.
```
python
# 更换name参数即可无缝切换efficientnet模型, 代码示例如下
mod
ule
=
hub
.
Module
(
name
=
"efficientnetb7_imagenet"
)
mod
el
=
hub
.
Module
(
name
=
"efficientnetb7_imagenet"
)
```
**NOTE:**
目前部分模型还没有完全升级到2.0版本,敬请期待。
...
...
@@ -71,9 +71,7 @@ trainer.train(flowers, epochs=100, batch_size=32, eval_dataset=flowers_validate,
#### 优化策略
Paddle2.0-rc提供了多种优化器选择,如
`SGD`
,
`Adam`
,
`Adamax`
等,详细参见
[
策略
](
https://www.paddlepaddle.org.cn/documentation/docs/zh/2.0-rc/api/paddle/optimizer/optimizer/Optimizer_cn.html
)
。
其中
`Adam`
:
Paddle2.0提供了多种优化器选择,如
`SGD`
,
`Adam`
,
`Adamax`
等, 其中
`Adam`
:
*
`learning_rate`
: 全局学习率。默认为1e-3;
*
`parameters`
: 待优化模型参数。
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录