PyTorch 中的图像分类

简介

图像分类是计算机视觉中的核心任务。构建更好的分类器来分类图片中存在的物体是一个活跃的研究领域，它在从自动驾驶汽车到医学成像等领域都有应用。

这些模型非常适合与 Gradio 的image输入组件一起使用，因此在本教程中，我们将构建一个 Web 演示，以使用 Gradio 对图像进行分类。我们将能够用 Python 构建整个 Web 应用程序，它看起来会像页面底部的演示一样。

让我们开始吧！

先决条件

确保您已经安装了 gradio Python 包。我们将使用预训练的图像分类模型，因此您也应该安装 torch。

步骤 1 — 设置图像分类模型

首先，我们需要一个图像分类模型。在本教程中，我们将使用预训练的 Resnet-18 模型，因为它很容易从 PyTorch Hub 下载。您可以使用不同的预训练模型或训练您自己的模型。

import torch

model = torch.hub.load('pytorch/vision:v0.6.0', 'resnet18', pretrained=True).eval()

因为我们将使用该模型进行推理，所以我们调用了 .eval() 方法。

步骤 2 — 定义 predict 函数

接下来，我们需要定义一个函数，该函数接收用户输入（在本例中为图像），并返回预测结果。预测结果应以字典形式返回，其中键是类别名称，值是置信概率。我们将从此文本文件加载类别名称。

对于我们的预训练模型，它看起来像这样

import requests
from PIL import Image
from torchvision import transforms

# Download human-readable labels for ImageNet.
response = requests.get("https://git.io/JJkYN")
labels = response.text.split("\n")

def predict(inp):
  inp = transforms.ToTensor()(inp).unsqueeze(0)
  with torch.no_grad():
    prediction = torch.nn.functional.softmax(model(inp)[0], dim=0)
    confidences = {labels[i]: float(prediction[i]) for i in range(1000)}
  return confidences

让我们分解一下。该函数接受一个参数

• inp：作为 PIL 图像的输入图像

然后，该函数将图像转换为 PIL 图像，最终转换为 PyTorch tensor，通过模型传递它，并返回

• confidences：预测结果，以字典形式表示，其中键是类别标签，值是置信概率

步骤 3 — 创建 Gradio 界面

现在我们已经设置好了预测函数，我们可以围绕它创建一个 Gradio 界面。

在本例中，输入组件是拖放图像组件。要创建此输入，我们使用 Image(type="pil")，它创建组件并处理预处理以将其转换为 PIL 图像。

输出组件将是 Label，它以美观的形式显示顶部标签。由于我们不想显示所有 1,000 个类别标签，我们将对其进行自定义，使其仅显示前 3 个图像，方法是将其构造为 Label(num_top_classes=3)。

最后，我们将添加一个参数 examples，它允许我们使用一些预定义的示例来预填充我们的界面。Gradio 的代码如下所示

import gradio as gr

gr.Interface(fn=predict,
             inputs=gr.Image(type="pil"),
             outputs=gr.Label(num_top_classes=3),
             examples=["lion.jpg", "cheetah.jpg"]).launch()

这将生成以下界面，您可以在浏览器中尝试（尝试上传您自己的示例！）