Python 深度學習AI - 影像分割
- 第一章：深度學習平臺飛漿 paddle 的環境搭建
- ① 效率更高的 gpu 版本的安裝
- ② 判斷是否支持 gpu 版本
- ③ 退而求其次，普通版本的安裝
- ④ paddlehub 的安裝
- 第二章：呼叫訓練好的庫進行影像分割效果演示
- ① 演示一：ace2p 模型
- ② 演示二：humanseg_server 模型
- ③ 演示三：deeplabv3p_xception65_humanseg 模型
第一章：深度學習平臺飛漿 paddle 的環境搭建
① 效率更高的 gpu 版本的安裝
通過 python -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple來進行安裝，
paddle.utils.run_check() 可以檢測 paddle 的安裝情況，
② 判斷是否支持 gpu 版本
如果報下面的錯誤，說明你的顯卡不支持 GPU，
You are using GPU version PaddlePaddle, but there is no GPU detected on your machine. Maybe CUDA devices is not set properly.
譯：
你使用的是GPU版本的PaddlePaddle，但在你的機器上沒有檢測到GPU，可能CUDA設備設定不正確，
UserWarning: You are using GPU version Paddle, but your CUDA device is not set properly. CPU device will be used by default.
譯：
用戶警告:你正在使用GPU版本的飛槳，但是你的CUDA設備沒有正確設定，默認使用CPU設備，
③ 退而求其次，普通版本的安裝
那就用下面的命令進行卸載：
python -m pip uninstall paddlepaddle-gpu
卸載后再安裝 cpu 版本的：
python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
不卸載也可以，上面說會默認使用 cpu 的，也可以正常用，只是不能體驗 cpu 的速度了，
④ paddlehub 的安裝
然后是安裝 paddlehub 了，我們將要用到的訓練模型就來自于 paddlehub，
python -m pip install paddlehub -i https://mirror.baidu.com/pypi/simple
Successfully installed Babel-2.9.1 Flask-Babel-2.0.0 Jinja2-3.0.1 MarkupSafe-2.0.1 Werkzeug-2.0.1 backports.entry-points-selectable-1.1.0 bce-python-sdk-0.8.61 cfgv-3.3.0 click-8.0.1 colorama-0.4.4 colorlog-5.0.1 cycler-0.10.0 dill-0.3.4 distlib-0.3.2 easydict-1.9 filelock-3.0.12 flake8-3.9.2 flask-2.0.1 gitdb-4.0.7 gitpython-3.1.18 h5py-3.3.0 identify-2.2.11 itsdangerous-2.0.1 jieba-0.42.1 joblib-1.0.1 kiwisolver-1.3.1 matplotlib-3.4.2 mccabe-0.6.1 multiprocess-0.70.12.2 nodeenv-1.6.0 opencv-python-4.5.3.56 packaging-21.0 paddle2onnx-0.7 paddlehub-2.1.0 paddlenlp-2.0.6 pandas-1.3.0 platformdirs-2.0.2 pre-commit-2.13.0 pycodestyle-2.7.0 pycryptodome-3.10.1 pyflakes-2.3.1 pyparsing-2.4.7 python-dateutil-2.8.2 pytz-2021.1 pyyaml-5.4.1 pyzmq-22.1.0 rarfile-4.0 scikit-learn-0.24.2 scipy-1.7.0 seqeval-1.2.2 shellcheck-py-0.7.2.1 smmap-4.0.0 threadpoolctl-2.2.0 toml-0.10.2 tqdm-4.61.2 virtualenv-20.6.0 visualdl-2.2.0`
第二章：呼叫訓練好的庫進行影像分割效果演示
① 演示一：ace2p 模型
下面這是原圖，接下來演示下不同模型分割影像的效果圖，
這個分割的效果看著還可以，
import paddlehub as hub
seg = hub.Module(name='ace2p')
path = './image/baozi.jpg'
seg.segmentation(paths=[path],visualization=True, output_dir="./image")
每次加載新的模型會下載對應的模型，
② 演示二：humanseg_server 模型
下面腿部識別的不是很好，
import paddlehub as hub
seg = hub.Module(name='humanseg_server')
path = './image/baozi.jpg'
seg.segment(paths=[path],visualization=True, output_dir="./image")
③ 演示三：deeplabv3p_xception65_humanseg 模型
主要訓練的模型都是人類影像，所以這個豹子的識別效果差了一些，更多的需要大家自己來嘗試了，
import paddlehub as hub
seg = hub.Module(name='deeplabv3p_xception65_humanseg')
path = './image/baozi.jpg'
seg.segmentation(paths=[path],visualization=True, output_dir="./image")
喜歡的點個贊?吧！
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/290760.html
標籤：其他
上一篇：openCV形態學