MXNet官方文档中文版教程(8)：使用预训练模型预测

本教程介绍如何使用预训练模型识别图像中的对象，以及如何进行特征提取。

前提条件

为了完成以下教程，我们需要：

• MXNet：安装教程
  -Python Requests, Matplotlib and Jupyter Notebook.

$ pip install requests matplotlib jupyter opencv-python

 
 
 

 
 
 

  
1
  
2
 

载入

我们首先下载一个预训练的，在完整的ImageNet数据集上训练的152层的ResNet模型，该数据集拥有超过1000万张图像和1万个类别。预训练模型包含两部分，包含模型定义的json文件和包含参数的二进制文件。 此外，还可能有一个用于标签的文本文件。

import mxnet as mx
path='http://data.mxnet.io/models/imagenet-11k/'
[mx.test_utils.download(path+'resnet-152/resnet-152-symbol.json'),
 mx.test_utils.download(path+'resnet-152/resnet-152-0000.params'),
 mx.test_utils.download(path+'synset.txt')]
 
 
 

 
 
 

  
1
  
2
  
3
  
4
  
5
 

接下来，我们载入下载的模型。注意：如果GPU可用，我们可以用mx.gpu() 替换所有出现的mx.cpu()，以加速计算。

sym, arg_params, aux_params = mx.model.load_checkpoint('resnet-152',