计算机视觉工具包Luminoth
GitHub?頁面:https://github.com/tryolabs/luminoth
Luminoth?是一個開源的計算機視覺工具包,目前支持目標探測和圖像分類,但以后會有更多的擴展。該工具包在?TensorFlow?和?Sonnet?上用?Python?搭建而成。不過,該工具包只具備內部測試版品質,即內部和外部接口(如命令行)非常可能隨著代碼庫的成熟而變化。
下面,我們來看一下?Luminoth?的特點:
開箱使用
Luminoth?是一個開源的工具包,簡單易用。
可定制的目標檢測和分類模型
使用自定義數據輕松訓練神經網絡,實現目標檢測和分類。使用的是當前最優的模型比如?Faster?R-CNN。
在?TensorFlow?&?Sonnet?上搭建
Luminoth?建立在谷歌深度學習框架?TensorFlow?和?DeepMind?的圖形庫?Sonnet?上。
訓練過程簡單
只需要鍵入?lumi?train?就可以訓練模型。可以在本地訓練,或者使用?Luminoth?內置的谷歌云平臺支持在云端訓練模型。
訓練完成之后,你可以使用?Tensorboard?集成可視化進展和中間結果,還可使用不同的數據分割對模型進行評估。
結果易于理解
可視化結果的能力一直很重要,尤其在計算機視覺領域。在模型訓練完之后,使用我們的?UI?或者命令行接口,即可獲得容易理解的摘要(summary)和結果的圖可視化。
接下來,我們看一下?Luminoth?的安裝過程及使用的注意事項。
安裝
Luminoth?現在支持?Python?2.7?和?3.4–3.6。
如已安裝?TensorFlow?和?Sonnet,Luminoth?將使用已安裝的版本。
CPU?支持的安裝
只需運行:
$ pip install luminoth如果你的電腦上沒有?TensorFlow?和?Sonnet?的?CPU?版本,則運行以上命令安裝這些版本。
GPU?支持的安裝
1.?安裝?GPU?支持的?TensorFlow(https://www.tensorflow.org/install/)。
2.?安裝?GPU?支持的?Sonnet(https://github.com/deepmind/sonnet#installation):
$ pip install dm-sonnet-gpu?3.?從?PyPI?中安裝?Luminoth:
$ pip install luminoth從數據源安裝
首先,將?repo?復制到你的電腦上,然后使用?pip?進行安裝:
$ git clone https://github.com/tryolabs/luminoth.git $ cd luminoth $ pip install -e .檢查安裝是否有效
只需運行?lumi?--help。
支持的模型
目前,我們支持以下模型:
- Object?Detection
我們計劃近期增加對更多模型的支持,如?SSD、YOLO?和?Mask?R-CNN。此外,我們還致力于在?Pascal?VOC2012?等流行數據集上提供預訓練的檢查點。
使用
運行?lumi?命令時,有一個主要的命令行接口可供使用。如果你對如何操作感到疑惑,只需鍵入:lumi?--help?或?lumi?<subcommand>?--help,將會出現多個可用選項以及具體描述。
如何處理數據集
詳見https://github.com/tryolabs/luminoth/blob/master/docs/DATASETS.md。
訓練
關于如何在本地訓練或在谷歌云中訓練,請查看https://github.com/tryolabs/luminoth/blob/master/docs/TRAINING.md。
結果可視化
我們試圖獲取有用、易于理解的摘要和圖可視化。我們認為這不僅對于監督是必要的,對于增加對內部運行機制的理解同樣大有裨益。這也使代碼易于理解、容易學習,計算圖也是如此。
摘要和圖日志(graph?log)的默認存儲位置是/tmp/luminoth。你可以運行以下命令來使用?TensorBoard:
tensorboard --logdir /tmp/luminoth名稱來源
黑暗視鏡是游戲《銀河戰士?Prime?2?黑暗回音(Metroid?Prime?2:?Echoes)》中的一款裝備。它由?Luminoth?設計而成,可在與?Ing?的戰斗中穿透黑暗?Aether?的煙霧。
總結
以上是生活随笔為你收集整理的计算机视觉工具包Luminoth的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 同盾科技完成 7280 万美元 C 轮融
- 下一篇: 区块链研习 | 区块链里所说的“智能合约