1. 使用预训练模型开始使用 CIFAR10

CIFAR10 是一个由 Alex Krizhevsky, Vinod Nair 和 Geoffrey Hinton 收集的、带有标签的微小（32x32）图像数据集。它在计算机视觉研究中被广泛用作基准。

在本教程中，我们将演示如何从gluoncv 模型库加载预训练模型，并对来自互联网或本地磁盘的图像进行分类。

一步一步来

我们先用几行 python 代码试试预训练的 cifar 模型。

首先，请按照安装指南安装 MXNet 和 GluonCV，如果您还没有安装的话。

import matplotlib.pyplot as plt

from mxnet import gluon, nd, image
from mxnet.gluon.data.vision import transforms
from gluoncv import utils
from gluoncv.model_zoo import get_model

然后，我们下载并显示示例图像

url = 'https://raw.githubusercontent.com/dmlc/web-data/master/gluoncv/classification/plane-draw.jpeg'
im_fname = utils.download(url)

img = image.imread(im_fname)

plt.imshow(img.asnumpy())
plt.show()

输出

Downloading plane-draw.jpeg from https://raw.githubusercontent.com/dmlc/web-data/master/gluoncv/classification/plane-draw.jpeg...

  0%|          | 0/99 [00:00<?, ?KB/s]
100%|##########| 99/99 [00:00<00:00, 20098.55KB/s]

如果您认不出来，这张图片是一个画得很糟糕的飞机 :)

现在我们为图像定义转换。

transform_fn = transforms.Compose([
    transforms.Resize(32),
    transforms.CenterCrop(32),
    transforms.ToTensor(),
    transforms.Normalize([0.4914, 0.4822, 0.4465], [0.2023, 0.1994, 0.2010])
])

这个转换函数做了三件事：将图像调整大小并裁剪到 32x32，将其转置为 num_channels*height*width，并使用所有 CIFAR10 图像计算出的均值和标准差进行归一化。

转换后的图像是什么样的？

img = transform_fn(img)
plt.imshow(nd.transpose(img, (1,2,0)).asnumpy())
plt.show()

什么都认不出来？不要惊慌！ 我也认不出来。这种转换使得它更“模型友好”，而不是“人类友好”。

接下来，我们加载预训练模型。

net = get_model('cifar_resnet110_v1', classes=10, pretrained=True)

输出

Downloading /root/.mxnet/models/cifar_resnet110_v1-a0e1f860.zip from https://apache-mxnet.s3-accelerate.dualstack.amazonaws.com/gluon/models/cifar_resnet110_v1-a0e1f860.zip...

  0%|          | 0/6335 [00:00<?, ?KB/s]
  2%|1         | 98/6335 [00:00<00:08, 724.72KB/s]
  8%|8         | 514/6335 [00:00<00:02, 2160.26KB/s]
 34%|###4      | 2179/6335 [00:00<00:00, 6939.53KB/s]
6336KB [00:00, 13047.08KB/s]

最后，我们准备图像并将其输入模型

pred = net(img.expand_dims(axis=0))

class_names = ['airplane', 'automobile', 'bird', 'cat', 'deer',
               'dog', 'frog', 'horse', 'ship', 'truck']
ind = nd.argmax(pred, axis=1).astype('int')
print('The input picture is classified as [%s], with probability %.3f.'%
      (class_names[ind.asscalar()], nd.softmax(pred)[0][ind].asscalar()))

输出

The input picture is classified as [airplane], with probability 0.393.

运行脚本

这里有一个脚本，一次性完成了前面的所有步骤。

下载 demo_cifar10.py

输入您自己的图像，看看它的效果如何。请记住，CIFAR10 是一个小型数据集，只有 10 个类别。在 CIFAR10 上训练的模型只能识别这 10 个类别中的物体。因此，如果我们给模型输入一张不属于这 10 个类别中任何一个的图片，结果可能会让您惊讶。

例如，我们可以用下面的贝克山照片进行测试

python demo_cifar10.py --model cifar_resnet110_v1 --input-pic mt_baker.jpg

结果是

The input picture is classified to be [ship], with probability 0.949.

下一步

恭喜！您刚刚读完了第一个教程。还有很多教程可以帮助您学习 GluonCV。

如果您想深入了解在 CIFAR10 上进行训练，请继续阅读关于 CIFAR10 的下一个教程。

或者，如果您想尝试一个包含 1000 个常见对象类别的大规模数据集，请阅读开始使用 ImageNet 预训练模型。