3. 使用 ImageNet 上的预训练模型入门

ImageNet 是一个包含大量真实世界图像的标注数据集。它是最新计算机视觉研究中使用最广泛的数据集之一。

在本教程中，我们将展示预训练神经网络如何对真实世界图像进行分类。

为了方便起见，我们提供了一个脚本，它加载一个预训练的 ResNet50_v2 模型并对输入图像进行分类。要获取我们所有模型的列表，请访问 Gluon 模型库。

演示

在 ImageNet 上训练的模型可以将图像分类到 1000 个类别中，这使得它比我们在 CIFAR10 演示中展示的模型强大得多。

下载 demo_imagenet.py

使用此脚本，您可以加载预训练模型并对您拥有的任何图像进行分类。

让我们再次用贝克山的照片进行测试。

python demo_imagenet.py --model ResNet50_v2 --input-pic mt_baker.jpg

模型预测结果是

The input picture is classified to be
    [volcano], with probability 0.558.
    [alp], with probability 0.398.
    [valley], with probability 0.018.
    [lakeside], with probability 0.006.
    [mountain_tent], with probability 0.006.

这次它做得很好。请注意，我们列出了概率最高的前五个类别，因为有 1000 个类别，模型可能不会总是将正确答案排在首位。除了 top-1 准确率，我们通常还考虑 top-5 准确率作为衡量模型预测能力的指标。

下一步

如果您想更深入地了解 ImageNet 训练，请随意阅读关于 ImageNet 训练的下一篇教程。

或者，如果您想知道如何训练一个针对您自己数据量身定制的强大模型，请继续阅读关于 迁移学习的教程。