python-3.x - fastai 学习者要求和批量预测

Question

我之前使用 fastai 库训练了 resnet34 模型，并保存了weights.h5 文件。使用最新版本的 fastai，我是否仍然需要非空训练和有效文件夹才能导入我的学习器并在测试集上进行预测？

另外，我目前正在循环遍历每个测试图像并使用 learn.predict_array，但是有没有办法在测试文件夹上批量预测？

我目前正在做的加载/预测示例:

PATH = '/path/to/model/'
sz = 224
arch=resnet34
tfms = tfms_from_model(resnet34, sz, aug_tfms=transforms_side_on, max_zoom=1.1)
data = ImageClassifierData.from_paths(PATH, tfms=tfms, bs=64)
learn = ConvLearner.pretrained(arch, data, precompute=False)
learn.unfreeze()
learn.load('224_all')

imgs = sorted(glob(os.path.join(test_path, '*.jpg')))
preds = []
_,val_tfms = tfms_from_model(resnet34, 224)
for n, i in enumerate(imgs):
        im = val_tfms(open_image(i))[None]
        preds.append(1-np.argmax(learn.predict_array(im)[0]))

现在必须有一种更简洁的方法来做到这一点，不是吗？

Answer 1

在 fastai 中，您现在可以导出并加载学习器以对测试集进行预测，而无需加载非空训练和验证集。为此，您应该使用 export 方法和 load_learner 函数(两者均在 basic_train 中定义)。

在您当前的情况下，您可能必须以旧方式加载学习器(使用训练/有效数据集)，然后将其导出，您将能够使用 load_learner 进行预测在您的测试集上。

我将留下文档链接:

-https://docs.fast.ai/basic_train.html#Deploying-your-model

这应该可以澄清任何后续问题。