运用 MXNet Scala API 接口进行图像分类

  第一个元素是分类「n02110958 pug, pug-dog」,第二个值是由分类器决定的该分类的可信度值。

  现在,你们有了新的 Scala API 接口,准备自己试验下。首先你们需要使用 mxnet-full 包来搭建,(目标侦测的实例我们将在下一次的博客中公布演示)。

  如果你正在使用 IntelliJ,你应看到安装包已被导入。你也可以根据这个教程用 MXNet Scala 包来设置 IntelliJ。

  这次简单的试验后,你应当能够使用 MXNet Scala API 接口创建一个图像分类器。你能在 MXNet 项目资源库的 Scala 推理图像分类器实例中找到更多有关这个实例的代码信息。

  需要用一个输入描述符来定义输入来源和模型配置。「数据」就是输入数据的名字。输入形状是输入图像的形状。输入的矩阵是 224*224 像素大小的三个信道。

  在我们挑选和整理好我们所有的输入后,我们创建了一个图像分类器目标,使用它来加载图像。然后我们开始在样本图像上做分类。「Some(5)」区域意思是我们将选取最准确的前 5 个预测。这个区域是选择性的,未分类顺序的预测会是默认选项。一旦完成这一步,我们只需打印显示输出。

  随着 MXNet 1.2.0 版本的发布,新的 MXNet Scala API 接口也发布了。这次发布的 Scala,里面的推理应用程序致力于优化开发者体验。支持功能性编程和较强的静态类型系统,它被用于平台的高度分布式处理像 Apache Spark。

  这里的意思是定义这个模型,代码将会运行。如果你想用 GPU(s) 来运行的话,你可以将这行代码改成 context.gpu()。本实例,我们使用了这副图片。

  在我们后续的博客中,我们将介绍使用 MXNet Scala API 接口处理目标侦测的任务。

  根据加工工艺流程,燃料油可以分为常压燃料油、减压燃料油、催化燃料油 和混合燃料油。常压燃料油指炼厂常压装置分馏出的燃料油;减压燃料油指炼厂减压装置分馏出的燃料油;催化燃料油指炼厂催化、裂化装置分馏出的燃料油(俗 称油浆);混合燃料油一般指减压燃料油和催化燃料油的混合物。

  结束上一步后,你将看到类似于以下的输出(这儿我们使用了一张哈巴狗的图像):

  在这部分,你将使用预训练的图像分类模型做推理。这个例子使用了 ResNet152 模型。你可以使用这个脚本来下载这个模型文件。