当前位置 博文首页 > python菜鸟:【飞桨PaddlePaddle】迁移学习快速入门,完整源码+

    python菜鸟:【飞桨PaddlePaddle】迁移学习快速入门,完整源码+

    作者:[db:作者] 时间:2021-08-30 22:29

    一.安装

    环境依赖

    安装gpu版本的PaddlePaddle

    pip install paddlepaddle-gpu -U
    

    或者安装cpu版本的paddlepaddle

     pip install paddlepaddle -U
    

    框架安装

    pip install paddlehub
    

    1测试

    可以使用server_check()可以检查本地与远端PaddleHub-Server的连接状态,使用方法如下:

    import paddlehub
    paddlehub.server_check()
    # 如果可以连接远端PaddleHub-Server,则显示Request Hub-Server successfully。
    # 如果无法连接远端PaddleHub-Server,则显示Request Hub-Server unsuccessfully。
    

    我的运行可以:
    在这里插入图片描述

    二.入门

    准备图:
    在这里插入图片描述

    1.人像分割

    人像分割任务旨在将输入图片中的人像和背景区分开来。该任务有很多的应用场景,例如背景虚化、背景替换、影视后期处理等等。我们使用 humanseg_lite 来展示这个功能。

    图片跟py同级目录,代码如下:

    import paddlehub as hub
    module = hub.Module(name="humanseg_lite")
    
    res = module.segment(
        paths = ["./test.jpg"],
        visualization=True,
        output_dir='humanseg_lite')
    

    效果:
    在这里插入图片描述

    2.人体解析

    人体解析是人像分割的细粒度任务。该任务旨在提取输入图片中人体的不同部件。相关模型经常和新兴的GAN模型一起使用,应用场景包括美颜、换衣服等等。我们使用 ace2p 来展示这个功能。

    代码如下:

    # coding=gbk
    """
    作者:川川
    @时间  : 2021/8/29 5:13
    
    import paddlehub as hub
    
    human_parser = hub.Module(name="ace2p")
    
    res = human_parser.segmentation(
        paths = ["./test.jpg"],
        visualization=True,
        output_dir='ace2p_output')
    
    

    效果:
    在这里插入图片描述

    3.人脸检测

    人脸检测任务旨在检测出输入图片中的每一张人脸的位置。应用的场景包括视频监控、人流量估计等等场景。我们使用 ultra_light_fast_generic_face_detector_1mb_640 来展示这个功能。

    代码为:

    # coding=gbk
    """
    作者:川川
    @时间  : 2021/8/29 5:20
    群:970353786
    """
    import paddlehub as hub
    
    module = hub.Module(name="ultra_light_fast_generic_face_detector_1mb_640")
    
    res = module.face_detection(
        paths = ["./test.jpg"],
        visualization=True,
        output_dir='face_detection_output')
    
    

    效果为:
    在这里插入图片描述

    4.关键点检测

    关键点检测任务旨在识别输入图片中每一个人体的不同关键点信息,例如头部、肩膀、关节等等。依赖于模型能力的不同,能够检测到的关键点数量也不同。该任务一般用于人体美型、人体姿态估计等等,我们使用 openpose_body_estimation 来展示这个功能。

    代码如下:

    # coding=gbk
    """
    作者:川川
    @时间  : 2021/8/29 5:22
    群:970353786
    """
    import paddlehub as hub
    
    module = hub.Module(name="openpose_body_estimation")
    
    res = module.predict(
        img="./test.jpg",
        visualization=True,
        save_path='keypoint_output')
    
    

    效果:
    在这里插入图片描述

    5.中文词法分析

    中文词法分析旨在对输入的语句进行分词、词性分析、命名实体识别,我们使用 lac 来展示这个功能。

    代码如下:

    # coding=gbk
    """
    作者:川川
    @时间  : 2021/8/29 5:25
    群:970353786
    """
    import paddlehub as hub
    
    lac = hub.Module(name="lac")
    
    test_text = ["马云,男,汉族,中共党员 [1]  ,1964年9月10日生于浙江省杭州市,祖籍浙江省嵊州市谷来镇, 阿里巴巴集团主要创始人,现担任日本软银董事、大自然保护协会中国理事会主席兼全球董事会成员、华谊兄弟董事、生命科学突破奖基金会董事、联合国数字合作高级别小组联合主席。"]
    
    print(lac.lexical_analysis(texts = test_text))
    
    

    效果:
    在这里插入图片描述

    6.中文情感分析

    代码如下:

    # coding=gbk
    """
    作者:川川
    @时间  : 2021/8/29 5:30
    群:970353786
    """
    import paddlehub as hub
    # senta = hub.Module(name="senta_bilstm", version="1.2.0")
    senta = hub.Module(name="senta_bilstm")
    
    test_text = ["她的脸渐渐变了颜色,眉毛拧到了一起,眼睛里迸发出一道道刀一般锋利的光,大声的呵斥道。"]
    print(senta.sentiment_classify(texts = test_text))
    

    返回:
    在这里插入图片描述
    意识就是预测积极的可能性为:0.5578,消极可能性为:0.4422

    本文章项目文件下载地址:

    链接:https://pan.baidu.com/s/1cc3IruYE5p1XQ1aFfPbinQ 
    提取码:clrt
    
    cs