代码拉取完成,页面将自动刷新
#!/usr/bin/env th
local nn = require 'nn'
local image = require 'image'
cmd = torch.CmdLine()
cmd:option('--model', 'model.t7', 'Trained network model')
cmd:option('--input', 'examples/', 'Directory of images to process')
cmd:option('--output', 'output/', 'Location to dump output')
cmd:option('--device', 'gpu', 'GPU or CPU')
opt = cmd:parse(arg or {})
net = torch.load(opt.model)
if opt.device == 'gpu' then
local cunn = require 'cunn'
local cudnn = require 'cudnn'
net = net:cuda()
end
for fname in paths.iterfiles(opt.input .. '/', '*.jpg') do
fname = string.sub(fname, 1, -5)
local img = image.load(opt.input .. '/' .. fname .. '.jpg')
img = image.scale(img, 192, 192)
img = img:view(1,3,192,192):float()
if opt.device == 'gpu' then
img = img:cuda()
end
local output = net:forward(img)
local vol = (output[1]*255):byte()
local out = torch.DiskFile(opt.output .. '/' .. fname .. '.raw', 'w')
out:binary()
out:writeByte(vol:storage())
out:close()
io.write('Processed ' .. fname .. '.\n')
end
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。