本節課的主要內容就這些，我們簡單回顧下：
（1） 對語意分割任務和 DeepLabV3 模型做了簡單介紹；
（2） 根據 pytorch 模型推理的三板斧：資料預處理、資料進網路、資料后處理，逐行實作了 DeepLabV3 的推理代碼；
（3） 對模型輸入大小的選取，做了詳細介紹，
必做題：
（1） 對 “./images/car.jpg” 做語意分割，提取出里面的車輛，模仿上課時，對“可視化推理結果”和“BGRA 四通道圖”進行保存，
（2） 自己找 2 張其他圖，對圖中某個類別進行分割，并保存“BGRA 四通道圖”，
思考題：
（1） 用 time 模塊和 for 回圈，對”./images/car.jpg”連續推理 100 次，統計時間開銷，有 CUDA 的同學，改下代碼：self.device=torch.device(‘cuda’)，統計時間開銷，
CPU連續推理時間：226.58551049232483 S
（2） 以 0.5 為閾值，計算”./images/car.jpg”圖中車輛的面積（單位：像素），
打卡說明
答題格式：
必做題：
題（1）提交“可視化推理結果”和“BGRA 四通道圖”兩張圖片，
題（2）提交下找的 2 張圖片、各自指定的類別以及“BGRA 四通道圖”，
思考題：
題（1）CPU 推理和 CUDA 推理，各自的時間開銷，
題（2）面積（單位：像素），
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/333856.html
標籤：AI
上一篇：萬字總結畫解八大排序演算法