fastai 学习者需求和批量预测答案

【问题标题】：fastai learner requirements and batch predictionfastai 学习者需求和批量预测
【发布时间】：2023-03-20 06:48:01
【问题描述】：

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，我是否仍需要拥有非空的 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，我目前正在循环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]))

现在一定有一种更清洁的方法可以做到这一点，不是吗？

【问题讨论】：

标签： python-3.x machine-learning batch-processing predict fast-ai

【解决方案1】：

在 fastai 中，您现在可以导出和加载学习器以对测试集进行预测，而无需加载非空的训练和验证集。为此，您应该使用export 方法和load_learner 函数（两者都在basic_train 中定义）。

在您当前的情况下，您可能必须以旧方式（使用训练/有效数据集）加载您的学习器，然后将其导出，您就可以使用 load_learner 对您的测试集进行预测。

我会留下一个文档链接：

-https://docs.fast.ai/basic_train.html#Deploying-your-model

这应该澄清任何后续问题。

【讨论】：

【解决方案2】：

data = ImageClassifierData.from_paths(PATH, tfms=tfms, bs=64)
learn = ConvLearner.pretrained(arch, data, precompute=False)
learn.unfreeze()
learn.load('224_all')

preds = learn.predict(is_test=True)

【讨论】：