MXNET深度学习的图像和视频数据集及模型
mxbox的Python项目详细描述
XMXBOX:MXNET框架的简单、高效、灵活的视觉工具箱。
BR/> MXBOX是一个工具箱,旨在为视觉任务提供一个通用而简单的接口。这个项目的灵感来自于[pytorch](https://github.com/pytorch/pytorch)和[torchvision](https://github.com/pytorch/vision)。详细的版权文件正在准备中。欢迎改进和建议。
将**预处理**定义为流
`` python
transform=transforms.compose([
transforms.randomSizedCrop(224),
transforms.randomHorizontalFlip(),
transforms.mx.tondarray(),
transforms.mx.normalize(mean=[0.485,0.456,0.406],
std=[0.229,0.224,0.225]),
]
```
xxx中可以找到更多示例。
2)在几行中构建**dataloader*
``python
feedin嫒shapes={
“batch嫒size”:8,
“data”:[mx.io.datadesc(name='data',shape=(8,3,32,32),layout='nchw'),
‘label’:[mx.io.datadesc(name='softmax戥label',shape=(8,1),layout='n')]
}
dst=dataset(root='../../data',transform=img戥transform,label戥transform=label戥transform)
loader=dataloader(dst,feedin戥shapes,threads=8,shuffle=true)
``````
` mnist是开箱即用的。您只需从“mxbox.datasets”加载它们。
3)加载具有预训练权重的流行模型
``python
vgg=mxbox.models.vgg(num廑classes=10,pretrained=true)
resnet=mxbox.models.resnet152(num廑classes=10,pretrained=true)
```
即将推出。
BR/> MXBOX是一个工具箱,旨在为视觉任务提供一个通用而简单的接口。这个项目的灵感来自于[pytorch](https://github.com/pytorch/pytorch)和[torchvision](https://github.com/pytorch/vision)。详细的版权文件正在准备中。欢迎改进和建议。
将**预处理**定义为流
`` python
transform=transforms.compose([
transforms.randomSizedCrop(224),
transforms.randomHorizontalFlip(),
transforms.mx.tondarray(),
transforms.mx.normalize(mean=[0.485,0.456,0.406],
std=[0.229,0.224,0.225]),
]
```
xxx中可以找到更多示例。
2)在几行中构建**dataloader*
``python
feedin嫒shapes={
“batch嫒size”:8,
“data”:[mx.io.datadesc(name='data',shape=(8,3,32,32),layout='nchw'),
‘label’:[mx.io.datadesc(name='softmax戥label',shape=(8,1),layout='n')]
}
dst=dataset(root='../../data',transform=img戥transform,label戥transform=label戥transform)
loader=dataloader(dst,feedin戥shapes,threads=8,shuffle=true)
``````
` mnist是开箱即用的。您只需从“mxbox.datasets”加载它们。
3)加载具有预训练权重的流行模型
``python
vgg=mxbox.models.vgg(num廑classes=10,pretrained=true)
resnet=mxbox.models.resnet152(num廑classes=10,pretrained=true)
```
即将推出。