本例提取了植物幼苗数据集中的部分数据做数据集,数据集共有12种类别,演示如何使用pytorch版本的mobilenetv2图像分类模型实现分类任务。将训练的模型转为onnx,实现onnx的推理,然后再将onnx转为TensorRT,并实现推理。
通过本文你和学到:
1、如何从torchvision.models调用mobilenetv2模型?
2、如何自定义数据集加载方式?
3、如何使用Cutout数据增强?
4、如何使用Mixup数据增强。
5、如何实现训练和验证。
6、如何使用余弦退火调整学习率。
7、如何载入训练的模型进行预测。
8、pytorch转onnx,并实现onnx推理。
9、onnx转TensorRT,并实现TensorRT的推理。
希望通过这篇文章,能让大家对图像的分类和模型的部署有个清晰的认识。
链接:https://wanghao.blog.csdn.net/article/details/123003159