基于PaddlePaddle搭建家产级ICNET应用 猜测速率超TensorFlow 20%

自ICNET问世以来，各家深度进修架构都快速的推出了响应的模子实现，包罗PaddlePaddle，tensorflow和pytorch。以下将首要基于慎密零件智能分拣场景比拟PaddlePaddle和tensorflow中ICNET收集的应用机能。

PaddlePaddle先容

PaddlePaddle (PArallel Distributed Deep LEarning) 最初由百度深度进修尝试室于 2013 年建设，一向被百度内部的研发工程师们所行使。在2016年百度天下大会上对外开放，它是海内第一个开源的呆板进修平台。它从一开始就专注于充实操作 GPU 集群的机能，为漫衍式情形的并行计较举办加快，以是在对大局限数据举办AI实习和应用上要比TensorFlow要快得多。同时，它对海内用户尤其友爱，有完美的中文文档支持，它在开拓服从和易用性方面有较明明的上风，它可以行使一两行代码实现TensorFlow必要数行代码才气实现的成果，从而使开拓者将事变的重点放在构建深度进修模子的高层部门。

PaddlePaddle中ICNET在家产界的应用

制止今朝， PaddlePaddle已在互联网行业CTR猜测、搜刮排序、大局限图像分类等数亿级用户量的产物和处事上乐成陈设行使。当下，传统行颐魅正在举办深度厘革，操作AI技能赋能，实现传统行业事变的自动化，智能化，使其事恋职员的事变内容技能含量更高、更人道化，从而促进传统行业的当代化转型和财富进级，对工场策划服从和效益的进步有很大的辅佐和意义。

就在最近，领邦智能连系百度PaddlePaddle团队对公司的慎密零件质检事变举办了AI赋能进级。在慎密零件的人工质检事变中，工人天天必要8~12小时在留意力高度齐集亮光的前提下目视搜查直径45mm以内零件的质量，事变的强度很是大，对工人视力也有很大的危险。今朝基于PaddlePaddle平台实现的ICNET模子在呆板质检的应用上已经到达了人工质检的精确度，从呆板代人这个角度举办经济测算，可使工场出产本钱均匀低落15%,效益晋升15%；因为呆板检讨程度不变，大大进步了产物的交付质量，交付投诉率均匀低落了30%。因为慎密零件质检数据的是保密非果真的，以是我们用果真数据集cityscape来先容一下如安在PaddlePaddle上实习和应用ICNET实现图像语义支解，整个流程可以仅在几天内完成。

开拓情形

操纵体系：Linux x86_64

CPU版本：Intel(R) Xeon(R) CPU E5-2640 v4 @ 2.40GHz

GPU版本：Nvidia-P40（运行状况如下图所示） 

Figure 8 gpu运行状况

数据筹备-Cityscapes

Cityscapes（ https://www.cityscapes-dataset.com/ ）包括从50个都市网络的差异季候的5,000个高质量像素级风雅注释图像（界说了19个种别）。各有2975/500/1525张图用于实习/验证/测试。

下载后获得cityscape数据集，下载后的文件布局如下：

Figure 9 cityscapes数据集布局

安装PaddlePaddle

PaddlePaddle支持Ubuntu 14.04/16.04/18.04；CentOS 7/6；MacOS；Windows7/8/10。详细请参考官方教程，很是具体（http://staging.PaddlePaddle.org/documentation/docs/zh/0.14.0/new_docs/beginners_guide/install/install_doc.html ）

由于PaddlePaddle已经在pip封装了本身的安装包，我这里选择构建假造情形，并直接从pip傻瓜式安装。

• 假如不行使gpu，直接通过pip安装

pip install PaddlePaddle   

• 假如是行使gpu，必要先查察体系的cuda和cudnn版本

查察cuda版本

cat /usr/local/cuda/version.txt   

查察cudnn 版本

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

凭证体系的cuda和cudnn版本选择必要安装的PaddlePaddle-gpu版本

pip install PaddlePaddle-gpu==1.3.0.post97   

构建模子

按照ICNET收集布局构建模子，建设差异比例采样的低判别率图像，再通过CCF融合慢慢进步精度：

模子实习

操作已经写好的model构建trainer：

执行以下呼吁举办实习，同时指定checkpoint生涯路径:

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

加载提供的预实习模子可以加速实习进度。（不外这里官方的预实习模子穷乏部门参数文件，会导致最终的结果低落）

（编辑：湖南网）

【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!