在Python中使用MXNet预训练图像分类模型

Question

我试图在python3中归档为R描述的所有内容。但到目前为止，我还没有取得任何进展。在

R中的教程描述如下：http://mxnet.readthedocs.org/en/latest/R-package/classifyRealImageWithPretrainedModel.html

如何在Python中执行相同的操作？使用以下模型： https://github.com/dmlc/mxnet-model-gallery/blob/master/imagenet-1k-inception-bn.md

谨致问候， 凯文

Answer 1

目前，使用Python在mxnet中可以做的事情比使用R要多得多。我使用的是gluonapi，这使得编写代码更加简单，并且允许加载预先训练的模型。在

您参考的教程中使用的模型是Inception model。可以在here找到所有可用的预训练模型的列表。在

本教程的其余操作是数据规范化和扩充。您可以对新数据进行标准化，方法与在API页面上对其进行规范化的方式类似：

image = image/255
normalized = mx.image.color_normalize(image,
                                      mean=mx.nd.array([0.485, 0.456, 0.406]),
                                      std=mx.nd.array([0.229, 0.224, 0.225]))

可能的扩充列表可用here。在

下面是一个可运行的示例。我只进行了一次扩充，如果您想增加更多参数，您可以向mx.image.CreateAugmenter添加更多参数：

^{pr2}$