Caffe2 - weryfikacja dostępu do wstępnie wytrenowanych modeli

Zanim nauczysz się używać wstępnie wytrenowanego modelu w aplikacji Python, najpierw sprawdźmy, czy modele są zainstalowane na Twoim komputerze i są dostępne za pośrednictwem kodu Pythona.

Podczas instalowania Caffe2 wstępnie wytrenowane modele są kopiowane do folderu instalacyjnego. Na komputerze z instalacją Anaconda modele te są dostępne w następującym folderze.

anaconda3/lib/python3.7/site-packages/caffe2/python/models

Sprawdź folder instalacyjny na swoim komputerze, aby sprawdzić obecność tych modeli. Możesz spróbować załadować te modele z folderu instalacyjnego za pomocą następującego krótkiego skryptu w języku Python -

CAFFE_MODELS = os.path.expanduser("/anaconda3/lib/python3.7/site-packages/caffe2/python/models")
INIT_NET = os.path.join(CAFFE_MODELS, 'squeezenet', 'init_net.pb')
PREDICT_NET = os.path.join(CAFFE_MODELS, 'squeezenet', 'predict_net.pb')
print(INIT_NET)
print(PREDICT_NET)

Po pomyślnym uruchomieniu skryptu zobaczysz następujące dane wyjściowe -

/anaconda3/lib/python3.7/site-packages/caffe2/python/models/squeezenet/init_net.pb
/anaconda3/lib/python3.7/site-packages/caffe2/python/models/squeezenet/predict_net.pb

Potwierdza to, że squeezenet moduł jest zainstalowany na twoim komputerze i jest dostępny dla twojego kodu.

Teraz możesz napisać własny kod Pythona do klasyfikacji obrazów przy użyciu Caffe2 squeezenet wstępnie przeszkolony moduł.