ResNet

ResNet 이미지 분류를 Serverless Cloud API를 통해 사용하세요.

ImageNet 사전학습 ResNet 이미지 분류를 다음을 통해 실행 Serverless Cloud API, 또는 다음을 사용해 자체 호스팅 Roboflow Inference.

기본 별칭

이러한 별칭 중 하나를 다음으로 전달 model_id 다음을 사용할 때 inference-sdk:

• resnet18

• resnet34

• resnet50

• resnet101

정확도 및 추론 속도

지연 시간은 다음으로 측정됩니다 Roboflow Inference 1x NVIDIA L4에서, 배치 크기 1, 1,000회 추론의 평균(100회 워밍업)으로 측정됩니다. 이러한 별칭은 ONNX에서 실행됩니다(사전 빌드된 TensorRT 엔진 없음). 배칭은 도움이 되지 않습니다: 이 체크포인트는 고정 배치 차원 1로 내보내집니다.

정확도는 표준 torchvision 가중치의 공개된 ImageNet-1k 사양입니다 (출처).

별칭	Top-1	Top-5	지연 시간(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

코드 예시

1

API 키 받기

Roboflow 계정을 만들고, 다음에서 키를 찾으세요. Roboflow API 설정 페이지 에서 다음과 같이 셸에서 사용할 수 있도록 합니다:

export ROBOFLOW_API_KEY="your-key-here"

2

의존성 설치

이 패키지는 다음 모델을 호출합니다:

pip install -U inference-sdk supervision

3

모델 실행

아래 예시는 실행합니다 resnet50 원격 이미지에 대해.

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)

설정 api_url 를 배포 대상에 맞게:

• https://serverless.roboflow.com 서버리스 클라우드 API용입니다.

• http://localhost:9001 로컬 Inference 서버용.

• 당신의 전용 배포 비공개 엔드포인트용 URL.