我之前使用 fastai 库训练了一个 resnet34 模型,并保存了 weights.h5 文件。使用最新版本的 fastai,我是否仍然需要有非空的 train 和有效文件夹才能导入我的学习者并在测试集上进行预测?
另外,我目前正在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?
我目前正在做的只是加载/预测的示例:
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]))
现在必须有一种更清洁的方法来做到这一点,不是吗?