在Python语言中使用MXNet预训练的图像分类模型

Question

我试图相信在Python3中为R描述的所有东西，但到目前为止，我还没有更进一步。

这里描述了R语言的教程：http://mxnet.readthedocs.org/en/latest/R-package/classifyRealImageWithPretrainedModel.html

我如何在Python中做同样的事情？使用以下模型：https://github.com/dmlc/mxnet-model-gallery/blob/master/imagenet-1k-inception-bn.md

致以良好的问候，凯文

Answer 1

目前，在mxnet中使用Python可以做的事情比使用R多得多。我使用的是Gluon API，它使编写代码变得更加简单，并且允许加载预先训练好的模型。

您在本教程中使用的模型是Inception model。所有可用的预训练模型的列表可以在here上找到。

本教程中的其余操作是数据规范化和增强。您可以对新数据进行标准化，方法类似于API页面上的标准化：

image = image/255
normalized = mx.image.color_normalize(image,
                                      mean=mx.nd.array([0.485, 0.456, 0.406]),
                                      std=mx.nd.array([0.229, 0.224, 0.225]))

可能的增强列表可从here获得。

以下是为您提供的可运行示例。我只做了一次增强，如果你想做更多，你可以给mx.image.CreateAugmenter添加更多的参数：

%matplotlib inline
import mxnet as mx
from mxnet.gluon.model_zoo import vision
from matplotlib.pyplot import imshow

def plot_mx_array(array, clip=False):
    """
    Array expected to be 3 (channels) x heigh x width, and values are floats between 0 and 255.
    """
    assert array.shape[2] == 3, "RGB Channel should be last"
    if clip:
        array = array.clip(0,255)
    else:
        assert array.min().asscalar() >= 0, "Value in array is less than 0: found " + str(array.min().asscalar())
        assert array.max().asscalar() <= 255, "Value in array is greater than 255: found " + str(array.max().asscalar())
    array = array/255
    np_array = array.asnumpy()
    imshow(np_array)


inception_model = vision.inception_v3(pretrained=True)

with open("/Volumes/Unix/workspace/MxNet/2018-02-20T19-43-45/types_of_data_augmentation/output_4_0.png", 'rb') as open_file:
    encoded_image = open_file.read()
    example_image = mx.image.imdecode(encoded_image)
    example_image = example_image.astype("float32")
    plot_mx_array(example_image)


augmenters = mx.image.CreateAugmenter(data_shape=(1, 100, 100))

for augementer in augmenters:
    example_image = augementer(example_image)

plot_mx_array(example_image)

example_image = example_image / 255
normalized_image = mx.image.color_normalize(example_image,
                                      mean=mx.nd.array([0.485, 0.456, 0.406]),
                                      std=mx.nd.array([0.229, 0.224, 0.225]))