使用现有模型推理

MMClassification 在 Model Zoo 中提供了用于分类的预训练模型。 本说明将展示如何使用现有模型对给定图像进行推理。

至于如何在标准数据集上测试现有模型，请看这个指南

推理单张图片

MMClassification 为图像推理提供高级 Python API：

• get_model: 根据名称获取一个模型。

• init_model: 根据配置文件和权重文件初始化一个模型。

• inference_model：对给定图片进行推理。

下面是一个示例，如何使用一个 ImageNet-1k 预训练权重初始化模型并推理给定图像。

备注

可以运行 wget https://github.com/open-mmlab/mmclassification/raw/master/demo/demo.JPEG 下载样例图片，或使用其他图片。

from mmcls import get_model, inference_model

img_path = 'demo.JPEG'   # 可以指定自己的图片路径

# 构建模型
model = get_model('resnet50_8xb32_in1k', pretrained=True, device="cpu")  # `device` 可以为 'cuda:0'
# 执行推理
result = inference_model(model, img_path)

result 为一个包含了 pred_label, pred_score, pred_scores 和 pred_class的字典，结果如下:

{"pred_label":65,"pred_score":0.6649366617202759,"pred_class":"sea snake", "pred_scores": [..., 0.6649366617202759, ...]}

演示可以在 demo/image_demo.py 中找到。