pytorch实现用Resnet提特征并保存为txt文件
2018-01-28 22:23
591 查看
接触pytorch一天,发现pytorch上手的确比TensorFlow更快。可以更方便地实现用预训练的网络提特征。
以下是提取一张jpg图像的特征的程序:
以下是提取一个文件夹下所有jpg、jpeg图像的程序:
另外最近发现一个很简单的提取不含FC层的网络的方法:
另一种更简单的方法:
resnet = models.resnet152(pretrained=True)
del resnet.fc
以下是提取一张jpg图像的特征的程序:
# -*- coding: utf-8 -*- import os.path import torch import torch.nn as nn from torchvision import models, transforms from torch.autograd import Variable import numpy as np from PIL import Image features_dir = './features' img_path = "hymenoptera_data/train/ants/0013035.jpg" file_name = img_path.split('/')[-1] feature_path = os.path.join(features_dir, file_name + '.txt') transform1 = transforms.Compose([ transforms.Scale(256), transforms.CenterCrop(224), transforms.ToTensor() ] ) img = Image.open(img_path) img1 = transform1(img) #resnet18 = models.resnet18(pretrained = True) resnet50_feature_extractor = models.resnet50(pretrained = True) resnet50_feature_extractor.fc = nn.Linear(2048, 2048) torch.nn.init.eye(resnet50_feature_extractor.fc.weight) for param in resnet50_feature_extractor.parameters(): param.requires_grad = False #resnet152 = models.resnet152(pretrained = True) #densenet201 = models.densenet201(pretrained = True) x = Variable(torch.unsqueeze(img1, dim=0).float(), requires_grad=False) #y1 = resnet18(x) y = resnet50_feature_extractor(x) y = y.data.numpy() np.savetxt(feature_path, y, delimiter=',') #y3 = resnet152(x) #y4 = densenet201(x) y_ = np.loadtxt(feature_path, delimiter=',').reshape(1, 2048)
以下是提取一个文件夹下所有jpg、jpeg图像的程序:
# -*- coding: utf-8 -*- import os, torch, glob import numpy as np from torch.autograd import Variable from PIL import Image from torchvision import models, transforms import torch.nn as nn import shutil data_dir = './hymenoptera_data' features_dir = './features' shutil.copytree(data_dir, os.path.join(features_dir, data_dir[2:])) def extractor(img_path, saved_path, net, use_gpu): transform = transforms.Compose([ transforms.Scale(256), transforms.CenterCrop(224), transforms.ToTensor() ] ) img = Image.open(img_path) img = transform(img) x = Variable(torch.unsqueeze(img, dim=0).float(), requires_grad=False) if use_gpu: x = x.cuda() net = net.cuda() y = net(x).cpu() y = y.data.numpy() np.savetxt(saved_path, y, delimiter=',') if __name__ == '__main__': extensions = ['jpg', 'jpeg', 'JPG', 'JPEG'] files_list = [] sub_dirs = [x[0] for x in os.walk(data_dir) ] sub_dirs = sub_dirs[1:] for sub_dir in sub_dirs: for extention in extensions: file_glob = os.path.join(sub_dir, '*.' + extention) files_list.extend(glob.glob(file_glob)) resnet50_feature_extractor = models.resnet50(pretrained = True) resnet50_feature_extractor.fc = nn.Linear(2048, 2048) torch.nn.init.eye(resnet50_feature_extractor.fc.weight) for param in resnet50_feature_extractor.parameters(): param.requires_grad = False use_gpu = torch.cuda.is_available() for x_path in files_list: print(x_path) fx_path = os.path.join(features_dir, x_path[2:] + '.txt') extractor(x_path, fx_path, resnet50_feature_extractor, use_gpu)
另外最近发现一个很简单的提取不含FC层的网络的方法:
resnet = models.resnet152(pretrained=True) modules = list(resnet.children())[:-1] # delete the last fc layer. convnet = nn.Sequential(*modules)
另一种更简单的方法:
resnet = models.resnet152(pretrained=True)
del resnet.fc
相关文章推荐
- Python实现读取目录所有文件的文件名并保存到txt文件代码
- 算法第三次作业(1. 排序。对文件 largeW.txt(下载链接)中的数据,编程实现冒泡排序(方法名:bubbleSort) 与 归并排序(mergeSort),把排序后的结果分别保存到largeW
- Python实现读取目录所有文件的文件名并保存到txt文件代码
- 根据文件data.txt和模板文件template.tmpl,实现将数据文件和模板文件的合并,并保存在输出文件
- Qt实现数据文本保存TXT文件
- Python实现读取目录所有文件的文件名并保存到txt文件代码
- JTextArea内容保存到txt文件上,如何实现换行
- Java实现读取键盘输入保存到txt文件,再统计并输出每个单词出现次数的方法
- shell 实现统计一个网段的IP和mac对应关系并保存到文件mac.txt
- Python实现读取目录所有文件的文件名并保存到txt文件代码
- Python实现读取目录所有文件的文件名并保存到txt文件代码
- UE4C++实现保存TXT文件扩展
- Python备份文件、文件版本的学生管理系统如何实现(将数据保存在txt文件中)
- PHP实现的一个保存远程文件到本地的函数分享
- 需求(Java语言实现):对存有图片URL的txt文件进行逐行读取,自行下载txt文件中的图片到指定文件夹中
- C++读取、旋转和保存bmp图像文件编程实现
- ASP.NET对txt文件相关操作(读取、写入、保存)
- WinCE实现屏幕截图并保存为BMP文件
- PHP简单实现生成txt文件到指定目录的方法
- springboot实现浏览器弹出下载txt文件