加载训练好的模型,然后进行测试。为什么又重新训练一遍?

写了一个单独的.py文件,加载训练保存下来的模型进行测试。但是运行发现,又重新开始训练了。

解决方案:把你的模型结构单独复制到你的测试.py文件中,或者单独的一个model.py然后调用它。不能直接调用训练中的模型结构,这样就会导致运行测试代码,会重新开始训练。

  • 3
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要在Detectron2中加载训练好的模型进行测试,可以按照以下步骤进行操作: 1. 安装Detectron2并构建环境。在安装完成后,您需要从Detectron2的GitHub仓库中下载训练好的模型。 2. 创建一个测试脚本。在测试脚本中,您需要加载训练好的模型,并将其应用于您想要测试的图像。您也可以在测试脚本中设置一些参数,例如阈值和图像大小。 3. 运行测试脚本。在运行测试脚本之前,您需要确保已经安装了所有必要的依赖项,并且已经正确配置了环境变量。 4. 查看测试结果。测试脚本将会输出一些结果,例如检测到的对象和它们的置信度。您可以根据需要对结果进行进一步处理和分析。 下面是一个简单的示例代码,用于加载训练好的模型并在图像上进行目标检测: ```python import torch import torchvision import detectron2 from detectron2.utils.logger import setup_logger from detectron2.config import get_cfg from detectron2.engine import DefaultPredictor from detectron2.data import MetadataCatalog from detectron2.utils.visualizer import Visualizer from detectron2.data.datasets import register_coco_instances from detectron2.data import DatasetCatalog, MetadataCatalog import cv2 # 加载训练好的模型 cfg = get_cfg() cfg.merge_from_file("path/to/config.yaml") cfg.MODEL.WEIGHTS = "path/to/model.pth" # 创建默认预测器 predictor = DefaultPredictor(cfg) # 加载图像 im = cv2.imread("path/to/image.jpg") # 进行预测 outputs = predictor(im) # 可视化结果 v = Visualizer(im[:, :, ::-1], MetadataCatalog.get(cfg.DATASETS.TRAIN[0]), scale=1.2) v = v.draw_instance_predictions(outputs["instances"].to("cpu")) cv2.imshow("test", v.get_image()[:, :, ::-1]) cv2.waitKey(0) ``` 在这个示例中,我们首先加载训练好的模型和图像。然后,我们使用默认预测器对图像进行预测,并将结果可视化。最后,我们显示了可视化结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值