不知不觉已经参加了好几个paddlepaddle的训练营。从《百度架构师手把手带你零基础实践深度学习》,《论文复现营》,《目标检测营》还有这次的《图像分割营》。课程地址
《手把手带你零基础实践深度学习》主要是介绍深度学习的基础知识
《论文复现营》要把XX火炬的顶会论文用paddle框架复现,并训练达到和原论文相当的指标等。
《目标检测营》讲解了很多模型训练的方法和技巧。PaddleDetection的优秀模型等。
《图像分割营》讲解分析代码以及python,python-opencv等。这次训练营也做了不少论文复现的工作。
这几天学习了FCN PSPnet Unet deeplab系列等网络。各种现场撸代码搭建模型。python的面向对象编程。图像处理的基本方法。主流分割神经网络的理论讲解。
参加完课程实现了paddlepaddle模型训练的完整流程。
下面几个印象比较深的收获记录下:
- 数据增维和降维的方法 (add new axis,squeeze)
- 数据增强的opencv实现 (flip、crop、resize等)
- 模型inference结果的图像保存 (opencv和PIL的方法)
之前做了多年的嵌入式开发,深度学习在边缘端部署、应用很好的和嵌入式相结合。
很开心参加了百度的各种深度学习训练营,这是一条深度学习之路啊~
下面贴一段代码:
import paddle
import paddle.fluid as fluid
from paddle.fluid.dygraph import to_variable #TODO
from paddle.fluid.dygraph import Conv2D#TODO
from paddle.fluid.dygraph import Pool2D#TODO
import numpy as np
np.set_printoptions(precision=2)
class BasicModel(fluid.dygraph.Layer):
# BasicModel contains:
# 1. pool: 4x4 max pool op, with stride 4
# 2. conv: 3x3 kernel size, takes RGB image as input and output num_classes channels,
# note that the feature map size should be the same
# 3. upsample: upsample to input size
#
# TODOs:
# 1. The model takes an random input tensor with shape (1, 3, 8, 8)
# 2. The model outputs a tensor with same HxW size of the input, but C = num_classes
# 3. Print out the model output in numpy format
def __init__(self, num_classes=59):
super(BasicModel, self).__init__()
self.pool = Pool2D(pool_size=2, pool_stride=2)
self.conv = Conv2D(num_channels=3, num_filters=num_classes, filter_size=1)
#TODO
#TODO
def forward(self, inputs):
#TODO
x = self.pool(inputs)
x = fluid.layers.interpolate(x, out_shape=inputs.shape[2::])
x = self.conv(x)
# x = fluid.layers.interpolate(x, out_shape=(inputs.shape[2], inputs.shape[3]))
#TODO
return x
def main():
place = paddle.fluid.CUDAPlace(0)
with fluid.dygraph.guard(place):
model = BasicModel(num_classes=59)
model.eval()
input_data = np.random.rand(1, 3, 8, 8).astype(np.float32)# TODO
print('Input data shape: ', input_data.shape)
input_data = to_variable(input_data)# TODO
output_data = model(input_data)# TODO
output_data = output_data.numpy()# TODO
print('Output data shape: ', output_data.shape)
if __name__ == "__main__":
main()
这段代码是动态图的模型搭建。而且该文件可以单独运行测试。print是debug的重要方法之一。