ResNet50
模型描述
ResNet50 v1.5 模型是 原始 ResNet50 v1 模型的修改版本。
v1 和 v1.5 之间的区别在于，在需要下采样的瓶颈块中，v1 在第一个 1×1 卷积中步长为 2，而 v1.5 在 3×3 卷积中步长为 2。
这一差异使得 ResNet50 v1.5 的准确度（top1 约 0.5%）略高于 v1，但性能略有下降（约 5% imgs/秒）。
该模型的初始化如 深入研究整流器：超越 ImageNet 分类中的人类水平性能中所述
该模型在 Volta、Turing 和 NVIDIA Ampere GPU 架构上使用 Tensor Cores 进行混合精度训练。因此，研究人员可以获得比不使用 Tensor Cores 训练快 2 倍以上的结果，同时享受混合精度训练的优势。该模型针对每个 NGC 每月容器版本进行测试，以确保随时间推移保持一致的准确性和性能。
请注意，ResNet50 v1.5 模型可以使用 TorchScript、ONNX Runtime 或 TensorRT 作为执行后端，部署到 NVIDIA Triton Inference Server 进行推理。有关详细信息，请查看 NGC
示例
在下面的示例中，我们将使用预训练的 ResNet50 v1.5 模型对 图像 执行推理并展示结果。
要运行此示例，您需要安装一些额外的 Python 包。这些包用于图像预处理和可视化。
!pip install validators matplotlib
import torch
from PIL import Image
import torchvision.transforms as transforms
import numpy as np
import json
import requests
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')
%matplotlib inline
device = torch.device("cuda") if torch.cuda.is_available() else torch.device("cpu")
print(f'Using {device} for inference')
加载在 ImageNet 数据集上预训练的模型。
resnet50 = torch.hub.load('NVIDIA/DeepLearningExamples:torchhub', 'nvidia_resnet50', pretrained=True)
utils = torch.hub.load('NVIDIA/DeepLearningExamples:torchhub', 'nvidia_convnets_processing_utils')
resnet50.eval().to(device)
准备示例输入数据。
uris = [
'http://images.cocodataset.org/test-stuff2017/000000024309.jpg',
'http://images.cocodataset.org/test-stuff2017/000000028117.jpg',
'http://images.cocodataset.org/test-stuff2017/000000006149.jpg',
'http://images.cocodataset.org/test-stuff2017/000000004954.jpg',
]
batch = torch.cat(
[utils.prepare_input_from_uri(uri) for uri in uris]
).to(device)
运行推理。使用 pick_n_best(predictions=output, n=topN) 辅助函数根据模型选择 N 个最可能的假设。
with torch.no_grad():
output = torch.nn.functional.softmax(resnet50(batch), dim=1)
results = utils.pick_n_best(predictions=output, n=5)
显示结果。
for uri, result in zip(uris, results):
img = Image.open(requests.get(uri, stream=True).raw)
img.thumbnail((256,256), Image.LANCZOS)
plt.imshow(img)
plt.show()
print(result)
详情
有关模型输入和输出、训练方法、推理和性能的详细信息，请访问：github 和/或 NGC
参考文献
