PAI-EasyVision提供圖像分割的訓練和預測功能,支持多機分布式訓練和預測。本文為您介紹如何通過PAI-EasyVision使用已有的模型完成圖像分割離線任務。
數據格式
請參見輸入數據格式。
圖像語義分割預測
基于已有的文件列表,您可以通過PAI命令啟動圖像分割離線預測任務,示例如下。您可以使用SQL腳本組件進行PAI命令調用,也可以使用MaxCompute客戶端或DataWorks的開發節點進行PAI命令調用,詳情請參見使用本地客戶端(odpscmd)連接或開發ODPS SQL任務。
pai -name ev_predict_ext
-Dmodel_path='您的模型路徑'
-Dmodel_type='segmentor'
-Dinput_oss_file='oss://path/to/your/filelist.txt'
-Doutput_oss_file='oss://path/to/your/result.txt'
-Dimage_type='url'
-Dnum_worker=2
-DcpuRequired=800
-DgpuRequired=100
-Dbuckets='您的OSS目錄'
-Darn='您的rolearn'
-DossHost='您的OSS域名'
詳細的參數說明請參見參數說明。
輸出結果
結果文件的每行表示原始圖片路徑及模型預測結果(格式為JSON字符串)。
oss://path/to/your/image1.jpg, JSON格式結果字符串
oss://path/to/your/image1.jpg, JSON格式結果字符串
oss://path/to/your/image1.jpg, JSON格式結果字符串
JSON格式結果字符串的示例如下。
{
"probs" : [[[0.8, 0.8], [0.6, 0.7]],[[0.8, 0.5], [0.4, 0.3]]],
"preds" : [[[1,1], [0, 0]], [[0, 0], [1,1]]]
}
其中各參數的解釋如下表所示。
參數 | 描述 | Shape | 數據類型 |
probs | 分割像素點概率 | [output_height, output_width, num_classes] | FLOAT |
preds | 分割像素類別ID | [output_height, output_widths] | INT |
文檔內容是否對您有幫助?