ResNet

हमारे Serverless Hosted API के माध्यम से ResNet image classification का उपयोग करें

ImageNet-pretrained ResNet इमेज क्लासिफिकेशन को के माध्यम से चलाएँ Serverless Hosted API, या self-host using Roboflow Inference.

डिफ़ॉल्ट उपनाम

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

• resnet18

• resnet34

• resnet50

• resnet101

सटीकता और inference गति

Latency को मापा जाता है Roboflow Inference 1x NVIDIA L4 पर, batch size 1, 1,000 inferences (100 warmup) के औसत के साथ। ये aliases ONNX पर चलते हैं (कोई prebuilt TensorRT engine नहीं)। Batching से मदद नहीं मिलती: ये checkpoints एक स्थिर batch dimension 1 के साथ export होते हैं।

Accuracy मानक torchvision weights (स्रोत).

उपनाम	Top-1	Top-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 Key प्राप्त करें

एक Roboflow खाता बनाएं, अपनी key यहाँ पर ढूँढें Roboflow API settings page और इसे अपने shell में उपलब्ध कराएँ:

export ROBOFLOW_API_KEY="your-key-here"

2

निर्भरताएँ इंस्टॉल करें

यह पैकेज मॉडल को कॉल करता है:

pip install inference-sdk

3

मॉडल चलाएँ

नीचे दिया गया sample चलाता है resnet50 एक remote image के विरुद्ध।

import os
import cv2
import numpy as np
import requests
from inference_sdk import InferenceHTTPClient

content = requests.get("https://media.roboflow.com/notebooks/examples/dog.jpeg").content
image = cv2.imdecode(np.frombuffer(content, np.uint8), cv2.IMREAD_COLOR)

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 deployment target से मिलाएँ:

• https://serverless.roboflow.com Serverless Hosted API के लिए।

• http://localhost:9001 एक local Inference server.

• आपका Dedicated Deployment एक private endpoint के लिए URL.