机器学习初学者不可错过的ModelScope开源模型社区

本文主要是介绍机器学习初学者不可错过的ModelScope开源模型社区,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • ModelScope开源模型社区
    • 快速入门及环境安装
  • 模型库
  • 下载数据集
  • 达摩卡通化模型
    • 模型介绍
    • 下载模型文件
    • 快速入手
  • 达摩人像抠图
    • 在线抠图
    • 本地抠图
  • 总结:

ModelScope开源模型社区

对于刚刚接触机器学习的开发者来说,ModelScope开源模型社区是你不容错过的选择!
ModelScope开源模型社区
在这里插入图片描述

快速入门及环境安装

在这里你不仅可以在线体验开源模型,下载数据集,还可以根据说明文档配置环境,手把手的教你如何本地开发环境安装。

安装python环境。
支持python3,不支持python2,建议3.7版本及以上。推荐您使用Anaconda进行安装。
安装深度学习框架。
ModelScopeLibrary目前支持Tensorflow,Pytorch两大深度学习框架进行模型训练、推理。您可根据模型所需的框架选择适合的框架进行安装。
安装ModelScope Library。
提供两种安装方式,您可选择适合的方式进行安装。
pip安装。ModelScope提供了根据不同领域的安装包,您可根据对应的模型选择所需的安装包。
使用源码安装。

还有更加详细的安装指南!
在这里插入图片描述

主要有两大功能,模型库和数据集。

模型库

模型分为两类,可在线体验和可训练。
在这里插入图片描述

下载数据集

可以查找你想要的数据集。
例如我要分类豌豆,就要下载一些豌豆图片作为训练集

在这里插入图片描述
这里有数据集的介绍,数据预览和下载数据集文件。

如果有疑问可以到文档中心查找。
在这里插入图片描述

达摩卡通化模型

输入一张人物图像,实现端到端全图卡通化转换,生成二次元虚拟形象,返回卡通化后的结果图像。
类似网上很火的人像动漫

模型介绍

在这里插入图片描述
详细的介绍了该模型的功能以及原理,并且指出使用的方式和范围。
还有模型的训练集,推理过程,数据评估等等。

这里我们体验一下在线!
在这里插入图片描述
速度还是很快的,卡通化的程度也很高!
人像这方面没什么问题,下面我们上传风景照片看一下
在这里插入图片描述
风景照片也是很不错的,所以我觉得不仅仅可以用到人像上面,对于一些风景来说将其卡通化,也别有一种意境!

下载模型文件

在这里插入图片描述

快速入手

在这里插入图片描述

由于配置本地环境有些麻烦,为了更快的体验产品,这里选择了使用ModelScope提供的远程环境,即使用Notebook进行开发,更加方便和快捷。
在这里插入图片描述
选择免费版本即可。

在这里插入图片描述
上传要抠图的图片

在这里插入图片描述
粘贴示例代码

import cv2
from PIL import Image
from modelscope.outputs import OutputKeys
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasksimg_cartoon = pipeline(Tasks.image_portrait_stylization, 'damo/cv_unet_person-image-cartoon_compound-models')
result = img_cartoon('/mnt/workspace/image_cartoon.png')
cv2.imwrite('result.png', result[OutputKeys.OUTPUT_IMG])
im = Image.open('result.png')
im.show()

在这里插入图片描述

运行
在这里插入图片描述
输出并展示卡通化的图片!

达摩人像抠图

人像抠图对输入含有人像的图像进行处理,无需任何额外输入,实现端到端人像抠图,输出四通道人像抠图结果。
在这里插入图片描述

在线抠图

在这里插入图片描述
这个效果惊艳到我了😲,我也学过一点PS但是抠成这样对我是很难的,连头发丝都能抠出来,拯救了不会抠图的我!
在这里插入图片描述

效果非常好呀!

本地抠图

在这里插入图片描述
报错我调试了一会也没成功。

总结:

虽然有的模型有些不足,但总体来说模型的训练度很高,速度也很快,对于机器学习有很大的帮助,可以在上面找一些项目自己动手做做,很轻松就能实现一个项目。由于我比较喜欢计算机视觉方面,所以我介绍几个计算机视觉方面的,这里还有很多模型如果有你喜欢的大家可以去尝试尝试!

计算机视觉

单标签图像分类 通用图像分割 文字检测 人像美肤 风格迁移 图像翻译

自然语言处理

分词 情感分类 句子相似度 关系抽取 零样本分类 翻译

语音

语音识别 语音合成 语音唤醒 音频分类 语音降噪 回声消除
多模态
图像描述 视觉定位 文本生成图片 多模态表征 视觉问答 图文检索

ModelScope开源模型社区

这篇关于机器学习初学者不可错过的ModelScope开源模型社区的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/440686

相关文章

Go学习记录之runtime包深入解析

《Go学习记录之runtime包深入解析》Go语言runtime包管理运行时环境,涵盖goroutine调度、内存分配、垃圾回收、类型信息等核心功能,:本文主要介绍Go学习记录之runtime包的... 目录前言:一、runtime包内容学习1、作用:① Goroutine和并发控制:② 垃圾回收:③ 栈和

Android学习总结之Java和kotlin区别超详细分析

《Android学习总结之Java和kotlin区别超详细分析》Java和Kotlin都是用于Android开发的编程语言,它们各自具有独特的特点和优势,:本文主要介绍Android学习总结之Ja... 目录一、空安全机制真题 1:Kotlin 如何解决 Java 的 NullPointerExceptio

详解如何使用Python从零开始构建文本统计模型

《详解如何使用Python从零开始构建文本统计模型》在自然语言处理领域,词汇表构建是文本预处理的关键环节,本文通过Python代码实践,演示如何从原始文本中提取多尺度特征,并通过动态调整机制构建更精确... 目录一、项目背景与核心思想二、核心代码解析1. 数据加载与预处理2. 多尺度字符统计3. 统计结果可

SpringBoot整合Sa-Token实现RBAC权限模型的过程解析

《SpringBoot整合Sa-Token实现RBAC权限模型的过程解析》:本文主要介绍SpringBoot整合Sa-Token实现RBAC权限模型的过程解析,本文给大家介绍的非常详细,对大家的学... 目录前言一、基础概念1.1 RBAC模型核心概念1.2 Sa-Token核心功能1.3 环境准备二、表结

重新对Java的类加载器的学习方式

《重新对Java的类加载器的学习方式》:本文主要介绍重新对Java的类加载器的学习方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、介绍1.1、简介1.2、符号引用和直接引用1、符号引用2、直接引用3、符号转直接的过程2、加载流程3、类加载的分类3.1、显示

解决IDEA报错:编码GBK的不可映射字符问题

《解决IDEA报错:编码GBK的不可映射字符问题》:本文主要介绍解决IDEA报错:编码GBK的不可映射字符问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录IDEA报错:编码GBK的不可映射字符终端软件问题描述原因分析解决方案方法1:将命令改为方法2:右下jav

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Spring Security基于数据库的ABAC属性权限模型实战开发教程

《SpringSecurity基于数据库的ABAC属性权限模型实战开发教程》:本文主要介绍SpringSecurity基于数据库的ABAC属性权限模型实战开发教程,本文给大家介绍的非常详细,对大... 目录1. 前言2. 权限决策依据RBACABAC综合对比3. 数据库表结构说明4. 实战开始5. MyBA

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应