ResNet

Serverless Hosted API を通じて ResNet image classification を使用します

ImageNetで事前学習済みのResNet画像分類を、 Serverless Hosted API、または次を使って自己ホストする Roboflow Inference.

デフォルトのエイリアス

これらのいずれかのエイリアスを、次として渡します model_id を使用する際に inference-sdk:

• resnet18

• resnet34

• resnet50

• resnet101

精度と推論速度

レイテンシは次を使って測定されます Roboflow Inference 1x NVIDIA L4、バッチサイズ1、1,000回の推論の平均（100回のウォームアップ）で測定されます。これらのエイリアスはONNX上で実行されます（事前構築済みのTensorRTエンジンはありません）。バッチ処理は役に立ちません。これらのチェックポイントは固定バッチ次元1でエクスポートされるためです。

精度は、標準の torchvision weights に対する公開済みの ImageNet-1k 仕様です（ソース).

別名	Top-1	Top-5	レイテンシ (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

コードサンプル

1

API Key を取得する

Roboflow アカウントを作成し、キーを次の場所で見つけます Roboflow API 設定ページ そしてシェルで利用できるようにします:

export ROBOFLOW_API_KEY="your-key-here"

2

依存関係をインストールする

このパッケージは次のモデルを呼び出します:

pip install inference-sdk

3

モデルを実行する

以下のサンプルでは resnet50 リモート画像に対して実行します。

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)

設定する api_url をデプロイ先に合わせてください:

• https://serverless.roboflow.com Serverless Hosted API 用。

• http://localhost:9001 ローカルの Inference サーバー用。

• あなたの Dedicated Deployment プライベートエンドポイントの URL。