今天的学习总算有深度学习内味了(啥也不会)
先贴一张图百度大哥属实牛皮,PaddleHub里已经有了好多用百亿级大数据训练出来的预训练模型,这就省下了蓝框框里的内容,只需要在PaddleHub里找到适合自己情况的预训练模型进行简单的微调,引入数据集,干就完了。
感觉自己的学习力好垃圾,先简单介绍一下如何使用PaddleHub吧。
PaddleHub官网链接: 这里.
运行环境可以是百度自己的ai studio,也可以是python
感觉我只有python能看懂,哈哈哈哈。
先导入paddlehub的模型,导入要用的库,这里拼个图用cv2库,之后导图片,运用模型进行预测。
import paddlehub as hub
import cv2
stylepro_artistic = hub.Module(name="stylepro_artistic")
results = stylepro_artistic.style_transfer(images=[{
'content': cv2.imread("data/data31681/main.png"),
'styles': [cv2.imread("data/data31681/style1.png")]}],
alpha = 1.0,
visualization = True)
# 原图展示
test_img_path = "data/data31681/main.png"
img = mpimg.imread(test_img_path)
plt.figure(figsize=(10,10))
plt.imshow(img)
plt.axis('off')
plt.show()
# 原图展示
test_img_path = "data/data31681/style1.png"
img = mpimg.imread(test_img_path)
plt.figure(figsize=(10,10))
plt.imshow(img)
plt.axis('off')
plt.show()
# 预测结果展示
test_img_path = "transfer_result/ndarray_1587809892.1425676.jpg"
img = mpimg.imread(test_img_path)
# 展示预测结果图片
plt.figure(figsize=(10,10))
plt.imshow(img)
plt.axis('off')
plt.show()
这是把两个图和到一起的简单模型,PaddleHub里面还有好多好玩的模型,官网也有教程
github开发社区链接: 点这里
好想自己也有做出好模型的一天,兄弟们,奥里给!