interpret.py

import os
# 选择使用0号卡
os.environ['CUDA_VISIBLE_DEVICES'] = '0'

import os.path as osp
import paddlex as pdx

# 下载和解压Imagenet果蔬分类数据集
veg_dataset = 'https://bj.bcebos.com/paddlex/interpret/mini_imagenet_veg.tar.gz'
pdx.utils.download_and_decompress(veg_dataset, path='./')

# 下载和解压已训练好的MobileNetV2模型
model_file = 'https://bj.bcebos.com/paddlex/interpret/mini_imagenet_veg_mobilenetv2.tar.gz'
pdx.utils.download_and_decompress(model_file, path='./')

# 加载模型
model = pdx.load_model('mini_imagenet_veg_mobilenetv2')

# 定义测试所用的数据集
test_dataset = pdx.datasets.ImageNet(
    data_dir='mini_imagenet_veg',
    file_list=osp.join('mini_imagenet_veg', 'test_list.txt'),
    label_list=osp.join('mini_imagenet_veg', 'labels.txt'),
    transforms=model.test_transforms)

# 可解释性可视化
# LIME算法
pdx.interpret.visualize(
    'mini_imagenet_veg/mushroom/n07734744_1106.JPEG',
    model,
    test_dataset,
    algo='lime',
    save_dir='./')

# NormLIME算法
pdx.interpret.visualize(
    'mini_imagenet_veg/mushroom/n07734744_1106.JPEG',
    model,
    test_dataset,
    algo='normlime',
    save_dir='./')