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
models
提交
652a83ce
M
models
项目概览
PaddlePaddle
/
models
大约 2 年 前同步成功
通知
232
Star
6828
Fork
2962
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
602
列表
看板
标记
里程碑
合并请求
255
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
M
models
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
602
Issue
602
列表
看板
标记
里程碑
合并请求
255
合并请求
255
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
提交
652a83ce
编写于
10月 13, 2017
作者:
G
guosheng
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Add models dir for image_classification
上级
4785fe34
变更
3
隐藏空白更改
内联
并排
Showing
3 changed file
with
2 addition
and
2 deletion
+2
-2
image_classification/README.md
image_classification/README.md
+1
-1
image_classification/index.html
image_classification/index.html
+1
-1
image_classification/models/model_download.sh
image_classification/models/model_download.sh
+0
-0
未找到文件。
image_classification/README.md
浏览文件 @
652a83ce
...
@@ -223,7 +223,7 @@ for file_name, result in zip(file_list, lab):
...
@@ -223,7 +223,7 @@ for file_name, result in zip(file_list, lab):
首先从文件中加载训练好的模型(代码里以第10轮迭代的结果为例),然后读取
`image_list_file`
中的图像。
`image_list_file`
是一个文本文件,每一行为一个图像路径。代码使用
`paddle.infer`
判断
`image_list_file`
中每个图像的类别,并进行输出。
首先从文件中加载训练好的模型(代码里以第10轮迭代的结果为例),然后读取
`image_list_file`
中的图像。
`image_list_file`
是一个文本文件,每一行为一个图像路径。代码使用
`paddle.infer`
判断
`image_list_file`
中每个图像的类别,并进行输出。
## 使用预训练模型
## 使用预训练模型
为方便进行测试和fine-tuning,我们提供了一些对应于示例中模型配置的预训练模型,目前包括在ImageNet 1000类上训练的ResNet50、ResNet101和Vgg16,请使用
脚本
`model_download.sh`
进行模型下载,如下载ResNet50可
执行"
`sh model_download.sh ResNet50`
",完成后同目录下的
`Paddle_ResNet50.tar.gz`
即是训练好的模型,可以在代码中使用如下两种方式进行加载模:
为方便进行测试和fine-tuning,我们提供了一些对应于示例中模型配置的预训练模型,目前包括在ImageNet 1000类上训练的ResNet50、ResNet101和Vgg16,请使用
`models`
目录下的脚本
`model_download.sh`
进行模型下载,如下载ResNet50可进入
`models`
目录并
执行"
`sh model_download.sh ResNet50`
",完成后同目录下的
`Paddle_ResNet50.tar.gz`
即是训练好的模型,可以在代码中使用如下两种方式进行加载模:
```
python
```
python
parameters
=
paddle
.
parameters
.
Parameters
.
from_tar
(
gzip
.
open
(
'Paddle_ResNet50.tar.gz'
,
'r'
))
parameters
=
paddle
.
parameters
.
Parameters
.
from_tar
(
gzip
.
open
(
'Paddle_ResNet50.tar.gz'
,
'r'
))
...
...
image_classification/index.html
浏览文件 @
652a83ce
...
@@ -265,7 +265,7 @@ for file_name, result in zip(file_list, lab):
...
@@ -265,7 +265,7 @@ for file_name, result in zip(file_list, lab):
首先从文件中加载训练好的模型(代码里以第10轮迭代的结果为例),然后读取`image_list_file`中的图像。`image_list_file`是一个文本文件,每一行为一个图像路径。代码使用`paddle.infer`判断`image_list_file`中每个图像的类别,并进行输出。
首先从文件中加载训练好的模型(代码里以第10轮迭代的结果为例),然后读取`image_list_file`中的图像。`image_list_file`是一个文本文件,每一行为一个图像路径。代码使用`paddle.infer`判断`image_list_file`中每个图像的类别,并进行输出。
## 使用预训练模型
## 使用预训练模型
为方便进行测试和fine-tuning,我们提供了一些对应于示例中模型配置的预训练模型,目前包括在ImageNet 1000类上训练的ResNet50、ResNet101和Vgg16,请使用
脚本`model_download.sh`进行模型下载,如下载ResNet50可
执行"`sh model_download.sh ResNet50`",完成后同目录下的`Paddle_ResNet50.tar.gz`即是训练好的模型,可以在代码中使用如下两种方式进行加载模:
为方便进行测试和fine-tuning,我们提供了一些对应于示例中模型配置的预训练模型,目前包括在ImageNet 1000类上训练的ResNet50、ResNet101和Vgg16,请使用
`models`目录下的脚本`model_download.sh`进行模型下载,如下载ResNet50可进入`models`目录并
执行"`sh model_download.sh ResNet50`",完成后同目录下的`Paddle_ResNet50.tar.gz`即是训练好的模型,可以在代码中使用如下两种方式进行加载模:
```python
```python
parameters = paddle.parameters.Parameters.from_tar(gzip.open('Paddle_ResNet50.tar.gz', 'r'))
parameters = paddle.parameters.Parameters.from_tar(gzip.open('Paddle_ResNet50.tar.gz', 'r'))
...
...
image_classification/model_download.sh
→
image_classification/model
s/model
_download.sh
浏览文件 @
652a83ce
文件已移动
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