博客
关于我
【飞桨PaddlePaddle】迁移学习快速入门,完整源码+讲解演示
阅读量:458 次
发布时间:2019-03-06

本文共 1640 字,大约阅读时间需要 5 分钟。

一.安装

环境依赖: 安装GPU版本的PaddlePaddle: `pip install paddlepaddle-gpu -U`

安装CPU版本的PaddlePaddle:

pip install paddlepaddle -U

框架安装:

pip install paddlehub

二.入门

1.人像分割

人像分割任务旨在将输入图片中的人像与背景区分开来,常见应用场景包括背景虚化、背景替换、影视后期处理等。示例代码如下:

import paddlehub as hub
module = hub.Module(name="humanseg_lite")
res = module.segment(
paths=["./test.jpg"],
visualization=True,
output_dir='humanseg_lite'
)

2.人体解析

人体解析是人像分割的细粒度任务,旨在提取人体的不同部件。示例代码如下:

import paddlehub as hub
human_parser = hub.Module(name="ace2p")
res = human_parser.segmentation(
paths=["./test.jpg"],
visualization=True,
output_dir='ace2p_output'
)

3.人脸检测

人脸检测任务旨在识别输入图片中每张人脸的位置。示例代码如下:

import paddlehub as hub
module = hub.Module(name="ultra_light_fast_generic_face_detector_1mb_640")
res = module.face_detection(
paths=["./test.jpg"],
visualization=True,
output_dir='face_detection_output'
)

4.关键点检测

关键点检测任务旨在识别人体的关键部位,常见应用场景包括人体美型、姿态估计等。示例代码如下:

import paddlehub as hub
module = hub.Module(name="openpose_body_estimation")
res = module.predict(
img="./test.jpg",
visualization=True,
save_path='keypoint_output'
)

5.中文词法分析

中文词法分析任务旨在对输入语句进行分词、词性分析和命名实体识别。示例代码如下:

import paddlehub as hub
lac = hub.Module(name="lac")
test_text = ["马云,男,汉族,中共党员 [1] ,1964年9月10日生于浙江省杭州市,祖籍浙江省嵊州市谷来镇, 阿里巴巴集团主要创始人,现担任日本软银董事、大自然保护协会中国理事会主席兼全球董事会成员、华谊兄弟董事、生命科学突破奖基金会董事、联合国数字合作高级别小组联合主席。"]
print(lac.lexical_analysis(texts=test_text))

6.中文情感分析

中文情感分析任务旨在对输入语句进行情感倾向预测。示例代码如下:

import paddlehub as hub
senta = hub.Module(name="senta_bilstm")
test_text = ["她的脸渐渐变了颜色,眉毛拧到了一起,眼睛里迸发出一道道刀一般锋利的光,大声的呵斥道。"]
print(senta.sentiment_classify(texts=test_text))

返回结果:积极可能性为:0.5578,消极可能性为:0.4422

转载地址:http://nqfbz.baihongyu.com/

你可能感兴趣的文章
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP、CV 很难入门?IBM 数据科学家带你梳理
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP入门(六)pyltp的介绍与使用
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:从头开始的文本矢量化方法
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>
NLTK - 停用词下载
查看>>
nmap 使用总结
查看>>
nmap 使用方法详细介绍
查看>>
nmap使用
查看>>