normlime.py 1.2 KB

123456789101112131415161718192021222324252627282930313233343536373839
  1. import os
  2. # 选择使用0号卡
  3. os.environ['CUDA_VISIBLE_DEVICES'] = '0'
  4. import os.path as osp
  5. import paddlex as pdx
  6. # 下载和解压Imagenet果蔬分类数据集
  7. veg_dataset = 'https://bj.bcebos.com/paddlex/interpret/mini_imagenet_veg.tar.gz'
  8. pdx.utils.download_and_decompress(veg_dataset, path='./')
  9. # 下载和解压已训练好的MobileNetV2模型
  10. model_file = 'https://bj.bcebos.com/paddlex/interpret/mini_imagenet_veg_mobilenetv2.tar.gz'
  11. pdx.utils.download_and_decompress(model_file, path='./')
  12. # 加载模型
  13. model_file = 'mini_imagenet_veg_mobilenetv2'
  14. model = pdx.load_model(model_file)
  15. # 定义测试所用的数据集
  16. dataset = 'mini_imagenet_veg'
  17. test_dataset = pdx.datasets.ImageNet(
  18. data_dir=dataset,
  19. file_list=osp.join(dataset, 'test_list.txt'),
  20. label_list=osp.join(dataset, 'labels.txt'),
  21. transforms=model.test_transforms)
  22. import numpy as np
  23. np.random.seed(5)
  24. perm = np.random.permutation(len(test_dataset.file_list))
  25. # 可解释性可视化
  26. pdx.interpret.normlime(
  27. test_dataset.file_list[0][0],
  28. model,
  29. test_dataset,
  30. save_dir='./',
  31. normlime_weights_file='{}_{}.npy'.format(
  32. dataset.split('/')[-1], model.model_name))