“华为云杯”2020深圳开放数据应用创新大赛·生活垃圾图片分类 Pytorch版本基础配置文件.zip

# TrashDetection-HuaweiCloud “华为云杯”2020深圳开放数据应用创新大赛·生活垃圾图片分类 Pytorch版本基础配置文件 # How to use 1. 已经编写好customize_service.py的pytorch基础引入方式，需要修改以适配你自己的网络输出 ``` 1. def YourNet() 从 YourModelDict/model.py 导入你自己的model 2. Class PTVisionService(PTServingBaseService): def _preprocess(self, data): 我自己进行数据预处理Normalizer和Resizer的数据格式为: sample={'img': img, 'img_name': img_name} 修改为你自己进行归一化和Resizer的数据格式 def _inference(self, data): 修改网络输出部分: if torch.cuda.is_available(): scores, classification, predict_bboxes = self.model(padded_imgs.cuda().float()) else: scores, classification, predict_bboxes = self.model(padded_imgs.float()) 为自己的网络输出 def _postprocess(self, data): 修改网络输出格式，以匹配‘save_json’函数所需输入，形成结果 def inference(self, data): 无需更改 ``` 2. 如何本地测试 ``` 1. 修改 customizer_service.py ---> Class PTVisionService(PTServingBaseService): 为 Class PTVisionService(object): 2. 删除 customizer_service.py ---> import部分modelarts相关的依赖 3. 添加如下代码在customize_service.py的底部: if __name__ == '__main__': m = PTVisionService('model_name', 'your/model/path/model.pth') data={'images':{'0':'./train_val/VOC2007/JPEGImages/img_12726.jpg'}} m.inference(data) ``` # TIPS 1. 提交报错 build model image failed，是因为模型编译失败 ----> `config.json`中指定的‘dependencies’无效<br> ModelArts内置torch==1.0.0/1.1.0, torchvision < 0.3.0，注意适配<br> 1.1 根据大赛微信群里的消息，提交报错 build model image failed 的原因是：模型占用空间过大，导致模型编译不通过 ----> 若模型小，可以指定dependencies，若模型较大，不建议指定dependencies.