ResNet

हमारे सर्वरलेस क्लाउड API के माध्यम से ResNet इमेज वर्गीकरण का उपयोग करें

ImageNet-पूर्व-प्रशिक्षित ResNet छवि वर्गीकरण को चलाएँ सर्वरलेस क्लाउड API के माध्यम से समर्थित करते हैंया self-host करने के लिए उपयोग करें Roboflow Inference.

डिफ़ॉल्ट उपनाम

इनमें से किसी भी alias को के रूप में पास करें model_id का उपयोग करते समय inference-sdk:

• resnet18

• resnet34

• resnet50

• resnet101

सटीकता और अनुमान गति

लेटेंसी को ... के साथ मापा जाता है Roboflow Inference 1x NVIDIA L4 पर, बैच आकार 1, 1,000 इनफरेंस (100 वार्मअप) का औसत। ये उपनाम ONNX पर चलते हैं (कोई पूर्व-निर्मित TensorRT इंजन नहीं)। बैचिंग से मदद नहीं मिलती: ये चेकपॉइंट 1 के निश्चित बैच आयाम के साथ निर्यात करते हैं।

सटीकता मानक torchvision वज़नों (स्रोत).

उपनाम	टॉप-1	टॉप-5	विलंबता (ms)
resnet18	69.8	89.1	1.4
resnet34	73.3	91.4	2.2
resnet50	76.1	92.9	2.4
resnet101	77.4	93.5	3.7

कोड नमूना

1

अपनी API कुंजी प्राप्त करें

एक Roboflow खाता बनाएँ, अपनी कुंजी यहाँ ढूँढें Roboflow API सेटिंग्स पेज और इसे अपने शेल में उपलब्ध कराएँ:

export ROBOFLOW_API_KEY="आपकी-कुंजी-यहाँ"

2

निर्भरताएँ इंस्टॉल करें

यह पैकेज मॉडल को कॉल करता है:

pip install -U inference-sdk supervision

3

मॉडल चलाएँ

नीचे का नमूना चलाता है resnet50 किसी दूरस्थ छवि पर।

import os
import supervision as sv
from inference_sdk import InferenceHTTPClient

image = sv.load_image_from_url("https://media.roboflow.com/notebooks/examples/dog.jpeg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
results = client.infer(image, model_id="resnet50")
print(results)

सेट करें api_url को अपने डिप्लॉयमेंट लक्ष्य से मिलाएँ:

• https://serverless.roboflow.com सर्वरलेस Cloud API के लिए।

• http://localhost:9001 एक स्थानीय Inference सर्वर।

• आपका समर्पित डिप्लॉयमेंट निजी एंडपॉइंट के लिए URL।