基于PaddlePaddle搭建工业级ICNET应用 预测速度超TensorFlow 20%

因为PaddlePaddle已经在pip封装了自己的安装包，我这里选择构建虚拟环境，并直接从pip傻瓜式安装。

• 如果不使用gpu，直接通过pip安装

pip install PaddlePaddle   

• 如果是使用gpu，需要先查看系统的cuda和cudnn版本

查看cuda版本

cat /usr/local/cuda/version.txt   

查看cudnn 版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2   

按照系统的cuda和cudnn版本选择需要安装的PaddlePaddle-gpu版本

pip install PaddlePaddle-gpu==1.3.0.post97   

构建模型

根据ICNET网络结构构建模型，创建不同比例采样的低分辨率图像，再通过CCF融合逐步提高精度：

模型训练

利用已经写好的model构建trainer：

执行以下命令进行训练，同时指定checkpoint保存路径:

python train.py --batch_size=16 --checkpoint_path="./chkpnt/" --use_gpu=True  --random_mirror=True --random_scaling=True 

加载提供的预训练模型可以加快训练进度。（不过这里官方的预训练模型缺少部分参数文件，会导致最终的效果降低）

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!