ResNet के साथ इमेज क्लासिफिकेशन
आपने pre-trained ResNet18 से मॉडल बनाया है. अब इसे एक उदाहरण इमेज पर टेस्ट करने का समय है.
आप एक इमेज पर प्रीप्रोसेसिंग ट्रांसफॉर्म्स लगाएँगे और उसे क्लासिफाई करेंगे. आपको softmax() लेयर के बाद argmax() का उपयोग करना होगा, क्योंकि ResNet18 को एक multi-class डेटासेट पर ट्रेन किया गया है.
आपने प्रेडिक्शन टेस्टिंग के लिए यह इमेज चुनी है:
प्रीप्रोसेसिंग ट्रांसफॉर्म preprocess के रूप में सेव है. PIL इमेज img के रूप में अपलोड की गई है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
PyTorch के साथ इमेज के लिए डीप लर्निंग
अभ्यास निर्देश
- इमेज पर प्रीप्रोसेसिंग ट्रांसफॉर्म्स लगाएँ और बैच डायमेंशन जोड़ने के लिए
.unsqueeze(0)से उसे reshape करें. - इमेज को मॉडल से पास करें, आउटपुट को बैच डायमेंशन हटाने के लिए
.squeeze(0)से reshape करें, औरsoftmax()लेयर जोड़ें. - सबसे अधिक प्रॉबेबिलिटी वाली क्लास चुनने के लिए
argmax()लागू करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Apply preprocessing transforms
batch = ____.____
# Apply model with softmax layer
prediction = ____.____.____
# Apply argmax
class_id = prediction.____.item()
score = prediction[class_id].item()
category_name = weights.meta["categories"][class_id]
print(category_name)