直播2019 年县域农业大脑AI挑战赛---保存结果
Posted yjphhw
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了直播2019 年县域农业大脑AI挑战赛---保存结果相关的知识,希望对你有一定的参考价值。
在模型训练结束,结束后,通常是一个分割模型,输入 1024x1024 输出 4x1024x1024。
一种方法就是将整个图切块,然后每张预测,但是有个不好处就是可能在边界处断续。
由于这种切块再预测很ugly,所以直接遍历整个图预测,防止边界断续,还有一个问题就是防止图过大不能超过20M。
很有意思解决上边的问题。话也不多说了。直接上代码:
from farmlanddataset import FarmDataset import torch as tc from osgeo import gdal from torchvision import transforms import png import numpy as np use_cuda=True model=tc.load(‘./tmp/model30‘) #torch.save(model,‘./tmp/model‘.format(epoch)) device = tc.device("cuda" if use_cuda else "cpu") model=model.to(device) model.eval() ds=FarmDataset(istrain=False) def createres(d,outputname): #创建一个和ds大小相同的灰度图像BMP driver = gdal.GetDriverByName("BMP") #driver=ds.GetDriver() od=driver.Create(‘./tmp/‘+outputname,d.RasterXSize,d.RasterYSize,1) return od def createpng(height,width,data,outputname): w=png.Writer(width,height,bitdepth=2,greyscale=True) of=open(‘./tmp/‘+outputname,‘wb‘) w.write_array(of,data.flat) of.close() return def predict(d,outputname=‘tmp.bmp‘): wx=d.RasterXSize #width wy=d.RasterYSize #height print(wx,wy) od=data=np.zeros((wy,wx),np.uint8) #od=createres(d,outputname=outputname) #ob=od.GetRasterBand(1) #得到第一个channnel blocksize=1024 step=512 for cy in range(step,wy-blocksize,step): for cx in range(step,wx-blocksize,step): img=d.ReadAsArray(cx-step,cy-step,blocksize,blocksize)[0:3,:,:] #channel*h*w if (img.sum()==0): continue x=tc.from_numpy(img/255.0).float() #print(x.shape) x=x.unsqueeze(0).to(device) r=model.forward(x) r=tc.argmax(r.cpu()[0],0).byte().numpy() #512*512 #ob.WriteArray(r,cx,cy) od[cy-step//2:cy+step//2,cx-step//2:cx+step//2]=r[256:step+256,256:step+256] print(cy,cx) #del od createpng(wy,wx,od,outputname) return print("start predict.....") predict(ds[0],‘image_3_predict.png‘) print("start predict 2 .....") predict(ds[1],‘image_4_predict.png‘)
然后看看我的结果:提交了,晚上希望有个不错的结果
有了这些就可以发挥想象力和搬家能力,训练模型。
以上是关于直播2019 年县域农业大脑AI挑战赛---保存结果的主要内容,如果未能解决你的问题,请参考以下文章
大数据计算引擎,为什么阿里坚定地选择 Flink?| 直播预告
AI计算机中国人工智能学会通讯学会通讯2019年第01期直面五大技术挑战 推动人工智能突破性发展