接触pytorch一天,发现pytorch上手的确比TensorFlow更快。可以更方便地实现用预训练的网络提特征。
以下是提取一张jpg图像的特征的程序:
# -*- coding: utf-8 -*- import os.path import torch import torch.nn as nn from torchvision import models, transforms from torch.autograd import Variable import numpy as np from PIL import Image features_dir = './features' img_path = "hymenoptera_data/train/ants/0013035.jpg" file_name = img_path.split('/')[-1] feature_path = os.path.join(features_dir, file_name + '.txt') transform1 = transforms.Compose([ transforms.Scale(256), transforms.CenterCrop(224), transforms.ToTensor() ] ) img = Image.open(img_path) img1 = transform1(img) #resnet18 = models.resnet18(pretrained = True) resnet50_feature_extractor = models.resnet50(pretrained = True) resnet50_feature_extractor.fc = nn.Linear(2048, 2048) torch.nn.init.eye(resnet50_feature_extractor.fc.weight) for param in resnet50_feature_extractor.parameters(): param.requires_grad = False #resnet152 = models.resnet152(pretrained = True) #densenet201 = models.densenet201(pretrained = True) x = Variable(torch.unsqueeze(img1, dim=0).float(), requires_grad=False) #y1 = resnet18(x) y = resnet50_feature_extractor(x) y = y.data.numpy() np.savetxt(feature_path, y, delimiter=',') #y3 = resnet152(x) #y4 = densenet201(x) y_ = np.loadtxt(feature_path, delimiter=',').reshape(1, 2048)
以下是提取一个文件夹下所有jpg、jpeg图像的程序:
# -*- coding: utf-8 -*- import os, torch, glob import numpy as np from torch.autograd import Variable from PIL import Image from torchvision import models, transforms import torch.nn as nn import shutil data_dir = './hymenoptera_data' features_dir = './features' shutil.copytree(data_dir, os.path.join(features_dir, data_dir[2:])) def extractor(img_path, saved_path, net, use_gpu): transform = transforms.Compose([ transforms.Scale(256), transforms.CenterCrop(224), transforms.ToTensor() ] ) img = Image.open(img_path) img = transform(img) x = Variable(torch.unsqueeze(img, dim=0).float(), requires_grad=False) if use_gpu: x = x.cuda() net = net.cuda() y = net(x).cpu() y = y.data.numpy() np.savetxt(saved_path, y, delimiter=',') if __name__ == '__main__': extensions = ['jpg', 'jpeg', 'JPG', 'JPEG'] files_list = [] sub_dirs = [x[0] for x in os.walk(data_dir) ] sub_dirs = sub_dirs[1:] for sub_dir in sub_dirs: for extention in extensions: file_glob = os.path.join(sub_dir, '*.' + extention) files_list.extend(glob.glob(file_glob)) resnet50_feature_extractor = models.resnet50(pretrained = True) resnet50_feature_extractor.fc = nn.Linear(2048, 2048) torch.nn.init.eye(resnet50_feature_extractor.fc.weight) for param in resnet50_feature_extractor.parameters(): param.requires_grad = False use_gpu = torch.cuda.is_available() for x_path in files_list: print(x_path) fx_path = os.path.join(features_dir, x_path[2:] + '.txt') extractor(x_path, fx_path, resnet50_feature_extractor, use_gpu)
另外最近发现一个很简单的提取不含FC层的网络的方法:
resnet = models.resnet152(pretrained=True) modules = list(resnet.children())[:-1] # delete the last fc layer. convnet = nn.Sequential(*modules)
另一种更简单的方法:
resnet = models.resnet152(pretrained=True) del resnet.fc
以上这篇pytorch实现用Resnet提取特征并保存为txt文件的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持小牛知识库。
卷积神经网络包括主要特征,提取。以下步骤用于实现卷积神经网络的特征提取。 第1步 导入相应的模型以使用“PyTorch”创建特征提取模型。 第2步 创建一类特征提取器,可以在需要时调用。
本文向大家介绍Pytorch提取模型特征向量保存至csv的例子,包括了Pytorch提取模型特征向量保存至csv的例子的使用技巧和注意事项,需要的朋友参考一下 Pytorch提取模型特征向量 jiazaixunlianhaodemoxing 以上这篇Pytorch提取模型特征向量保存至csv的例子就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持呐喊教程。
本文向大家介绍Python实现读取并保存文件的类,包括了Python实现读取并保存文件的类的使用技巧和注意事项,需要的朋友参考一下 本文实例讲述了Python实现读取并保存文件的类。分享给大家供大家参考,具体如下: 这个类写在一个叫class_format.py 的文件里, 放在D盘 有一个testcsv.txt 文件放在D盘,内容如下(oi的两边有空格): 这个代码的ReadData模块用到了c
本文向大家介绍Python实现读取目录所有文件的文件名并保存到txt文件代码,包括了Python实现读取目录所有文件的文件名并保存到txt文件代码的使用技巧和注意事项,需要的朋友参考一下 代码: (使用os.listdir) 代码:(使用os.walk) walk递归地对目录及子目录处理,每次返回的三项分别为:当前递归的目录,当前递归的目录下的所有子目录,当前递归的目录下的所有文件。
本文向大家介绍Python实现的特征提取操作示例,包括了Python实现的特征提取操作示例的使用技巧和注意事项,需要的朋友参考一下 本文实例讲述了Python实现的特征提取操作。分享给大家供大家参考,具体如下: 更多关于Python相关内容感兴趣的读者可查看本站专题:《Python数据结构与算法教程》、《Python编码操作技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧
本文向大家介绍JAVA实现读取txt文件内容的方法,包括了JAVA实现读取txt文件内容的方法的使用技巧和注意事项,需要的朋友参考一下 通常,我们可以直接通过文件流来读取txt文件的内容,但有时可能会出现乱码!此时只要设置一下文件字符编码即可。 读取文件效果: 以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持呐喊教程。