用Sagemaker训练的模型进行局部预测

Question

我已经在AWS SageMaker上使用内置算法语义分割训练了一个模型。这个名为model.tar.gz的训练模型存储在S3上。所以我想从S3下载这个文件，然后使用它在我的本地电脑上进行推断，而不使用AWS SageMaker。

以下是三个文件：

>

hyperparams.json：包括网络架构、数据输入和训练的参数。请参阅语义分割超参数。

model_algo-1

model_最佳。参数

我的代码：

import mxnet as mx
from mxnet import image
from gluoncv.data.transforms.presets.segmentation import test_transform
import gluoncv



img = image.imread('./bdd100k/validation/14df900d-c5c145cb.jpg')
img = test_transform(img, ctx)
img = img.astype('float32')


model = gluoncv.model_zoo.PSPNet(2)

# load the trained model
model.load_parameters('./model/model_best.params')

错误：

AssertionError: Parameter 'head.psp.conv1.0.weight' is missing in file './model/model_best.params', which contains parameters: 'layer3.2.bn3.beta', 'layer3.0.conv3.weight', 'conv1.1.running_var', ..., 'layer2.2.bn3.running_mean', 'layer3.4.bn2.running_mean', 'layer4.2.bn3.beta', 'layer3.4.bn3.beta'. Set allow_missing=True to ignore missing parameters.

Answer 1

在从tar中提取模型_algo-1后，以下操作应起作用。gz文件。这将在本地ctx上运行。

import gluoncv
from gluoncv import model_zoo
from gluoncv.data.transforms.presets.segmentation import test_transform

model = model_zoo.DeepLabV3(nclass=2, backbone='resnet50', 
pretrained_base=False, height=800, width=1280, crop_size=240)
model.load_parameters("model_algo-1")

img = test_transform(img, ctx)
img = img.astype('float32')

output = model.predict(img)
print(output.shape)
max_predict = mx.nd.squeeze(mx.nd.argmax(output, 1)).asnumpy()
print(max_predict.shape)

prob_mask = mx.nd.squeeze(output).asnumpy()

def NormalizeData(data):
    return (data - np.min(data)) / (np.max(data) - np.min(data))

target_cls_id = 1
prob_mat = prob_mask[target_cls_id, :, :]
norm_prob = NormalizeData(prob_mat)
plt.hist(norm_prob.flatten(), bins=50)