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

执行以下呼吁加载预实习模子举办实习，同时指定checkpoint生涯路径:

python train.py --batch_size=16 –-init_model=”./model_1000/” --checkpoint_path="./chkpnt/" --use_gpu=True  --random_mirror=True --random_scaling=True 

Figure 10 逊?ю失降落图

测试

完成模子的实习后， 举办结果测试：

执行以下呼吁在cityscape测试数据集长举办测试：

python eval.py --model_path="./chkpnt/30000/" --use_gpu=True   

在举办30000次迭代后获得的模子在验证数据集上验证的功效为：mean_IoU=67.25%。切合论文中~67%的结果预期，本次尝试在p40上完成，完成30000次迭代共耗时近20个小时。

框架比拟

下表展示了PaddlePaddle1.3和TensorFlow1.12的机能比拟，以下比拟尝试行使的输入数据是1024x2048判别率的图片，batch size为16：

本文先容了图像语义支解实现的主流技能，并在PaddlePaddle上应用ICNET实现cityscape数据集的语义说明实践。其它，我们已经将PaddlePaddle的ICNET应用于领邦慎密零件智能分拣机项目，实现了AI技能在财富落地。即基于PaddlePaddle实现了ICNET模子实习、陈设，成立了客户自主数据标注->云端实习模子->下载模子->当地陈设的所有流程。比拟TensorFlow，在沟通精度下我们的猜测速率要快20%以上（25ms：33ms）。PaddlePaddle框架，不只是一本机能优越的深度进修框架，更可以或许基于对中国本土企业的深度进修需求的深入掘客，从而可以或许更好的满意海内企业用户的需求。但愿PaddlePaddle在传统行业的AI赋能和当代化转型中孝顺更多的力气。

参考

1. https://github.com/PaddlePaddle/Paddle
2. https://github.com/tensorflow/tensorflow
3. https://github.com/hszhao/ICNet
4. https://arxiv.org/abs/1704.08545
5. https://arxiv.org/abs/1411.4038
6. https://arxiv.org/abs/1506.04579
7. https://arxiv.org/abs/1612.01105

【编辑保举】

1. 人工智能在营销中的4个现实应用
2. AI在医学影像技能应用方面的四大焦点代价
3. 在收集安详中应用人工智能的五大障碍
4. 初次应用人工智能——你必要思索五个题目
5. 我国人工智能医疗应用场景最火，现有实践还需打破三个瓶颈

（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!