pytorch 모바일 배포의 Helloworld 사용

시작하다
Androidstudio 4.1 설치
이 항목 클론

git clone https://github.com/pytorch/android-demo-app.git

androidstudio를 사용하여android-demo-app의 HelloWordApp을 엽니다.
열면androidstudio가 자동으로 의존을 생성합니다. 기다리기만 하면 됩니다.
이 코드는 이미 정부에서 쓴 것이기 때문에
공식 튜토리얼의 코드가 어디에 있는지 열어주세요.
이 문장

repositories {
  jcenter()
}

dependencies {
  implementation 'org.pytorch:pytorch_android:1.4.0'
  implementation 'org.pytorch:pytorch_android_torchvision:1.4.0'
}

위치HelloWorldApp\app\build.gradle안에 있는 모든 코드

apply plugin: 'com.android.application'
repositories {
  jcenter()
}

android {
  compileSdkVersion 28
  buildToolsVersion "29.0.2"
  defaultConfig {
    applicationId "org.pytorch.helloworld"
    minSdkVersion 21
    targetSdkVersion 28
    versionCode 1
    versionName "1.0"
  }
  buildTypes {
    release {
      minifyEnabled false
    }
  }
}

dependencies {
  implementation 'androidx.appcompat:appcompat:1.1.0'
  implementation 'org.pytorch:pytorch_android:1.4.0'
  implementation 'org.pytorch:pytorch_android_torchvision:1.4.0'
}

이 문장

Bitmap bitmap = BitmapFactory.decodeStream(getAssets().open("image.jpg"));
Module module = Module.load(assetFilePath(this, "model.pt"));
Tensor inputTensor = TensorImageUtils.bitmapToFloat32Tensor(bitmap,
  TensorImageUtils.TORCHVISION_NORM_MEAN_RGB, TensorImageUtils.TORCHVISION_NORM_STD_RGB);
  Tensor outputTensor = module.forward(IValue.from(inputTensor)).toTensor();
float[] scores = outputTensor.getDataAsFloatArray();
float maxScore = -Float.MAX_VALUE;
int maxScoreIdx = -1;
for (int i = 0; i < scores.length; i++) {
 if (scores[i] > maxScore) {
  maxScore = scores[i];
  maxScoreIdx = i;
 }
}
String className = ImageNetClasses.IMAGENET_CLASSES[maxScoreIdx];

다 여기 있어요.
HelloWorldApp\app\src\main\java\org\pytorch\helloworld\MainActivity.java
모든 코드

package org.pytorch.helloworld;

import android.content.Context;
import android.graphics.Bitmap;
import android.graphics.BitmapFactory;
import android.os.Bundle;
import android.util.Log;
import android.widget.ImageView;
import android.widget.TextView;

import org.pytorch.IValue;
import org.pytorch.Module;
import org.pytorch.Tensor;
import org.pytorch.torchvision.TensorImageUtils;

import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.OutputStream;

import androidx.appcompat.app.AppCompatActivity;

public class MainActivity extends AppCompatActivity {

 @Override
 protected void onCreate(Bundle savedInstanceState) {
  super.onCreate(savedInstanceState);
  setContentView(R.layout.activity_main);

  Bitmap bitmap = null;
  Module module = null;
  try {
   // creating bitmap from packaged into app android asset 'image.jpg',
   // app/src/main/assets/image.jpg
   bitmap = BitmapFactory.decodeStream(getAssets().open("image.jpg"));
   // loading serialized torchscript module from packaged into app android asset model.pt,
   // app/src/model/assets/model.pt
   module = Module.load(assetFilePath(this, "model.pt"));
  } catch (IOException e) {
   Log.e("PytorchHelloWorld", "Error reading assets", e);
   finish();
  }

  // showing image on UI
  ImageView imageView = findViewById(R.id.image);
  imageView.setImageBitmap(bitmap);

  // preparing input tensor
  final Tensor inputTensor = TensorImageUtils.bitmapToFloat32Tensor(bitmap,
    TensorImageUtils.TORCHVISION_NORM_MEAN_RGB, TensorImageUtils.TORCHVISION_NORM_STD_RGB);

  // running the model
  final Tensor outputTensor = module.forward(IValue.from(inputTensor)).toTensor();

  // getting tensor content as java array of floats
  final float[] scores = outputTensor.getDataAsFloatArray();

  // searching for the index with maximum score
  float maxScore = -Float.MAX_VALUE;
  int maxScoreIdx = -1;
  for (int i = 0; i < scores.length; i++) {
   if (scores[i] > maxScore) {
    maxScore = scores[i];
    maxScoreIdx = i;
   }
  }

  String className = ImageNetClasses.IMAGENET_CLASSES[maxScoreIdx];

  // showing className on UI
  TextView textView = findViewById(R.id.text);
  textView.setText(className);
 }

 /**
  * Copies specified asset to the file in /files app directory and returns this file absolute path.
  *
  * @return absolute file path
  */
 public static String assetFilePath(Context context, String assetName) throws IOException {
  File file = new File(context.getFilesDir(), assetName);
  if (file.exists() && file.length() > 0) {
   return file.getAbsolutePath();
  }

  try (InputStream is = context.getAssets().open(assetName)) {
   try (OutputStream os = new FileOutputStream(file)) {
    byte[] buffer = new byte[4 * 1024];
    int read;
    while ((read = is.read(buffer)) != -1) {
     os.write(buffer, 0, read);
    }
    os.flush();
   }
   return file.getAbsolutePath();
  }
 }
}

Build에서 Build Bundile APK의 Build APK를 선택하시면 됩니다.
생성된 apk는HelloWorldApp\app\build\outputs\apk\debug이거는 바로 설치할 수 있어요.
설치 후 고정된 사진인데 고정된 사진을 검출한 거예요.
이것은 하나의 예입니다. 만약에 당신이 단지 자신의 모델 호출이 이 프로젝트의 수정 모델과 모델 불러오는 데 성공할 수 있는지 테스트하고 싶을 뿐이라면
이 프로젝트 모델은resnet18입니다. 이어서resnet50으로 바꿉니다.
모델 변환 코드는 다음과 같습니다.

import torch
import torchvision.models as models
from PIL import Image
import numpy as np
image = Image.open("test.jpg") # build 
image = image.resize((224, 224),Image.ANTIALIAS)
image = np.asarray(image)
image = image / 255
image = torch.Tensor(image).unsqueeze_(dim=0)
image = image.permute((0, 3, 1, 2)).float()

model = models.resnet50(pretrained=True)
model = model.eval()
resnet = torch.jit.trace(model, torch.rand(1,3,224,224))
# output=resnet(torch.ones(1,3,224,224))
output = resnet(image)
max_index = torch.max(output, 1)[1].item()
print(max_index) # ImageNet1000 
resnet.save('model.pt')
if __name__ == '__main__':
  pass

이 저장된 모형을 아래 경로의 모형을 덮어씁니다
(덮어쓰기 전에 원래 모델을 백업하는 것이 좋습니다. 여기서 원래 모델의 이름을 model_1.pt로 수정하는 것을 선택합니다.)HelloWorldApp\app\src\main\assets\model.pt덮어쓰기에 성공하면 다시 패키지 작업을 수행합니다. (Build에서 Build Bundile APK의 Build APK를 선택하면 됩니다.
생성된 apk는HelloWorldApp\app\build\outputs\apk\debug）
파일을 열고 123M의 apk를 발견했습니다. 이전의 apk는 73M이었습니다.
설치 및 테스트
완벽하게 열어서 모든 resnet 시리즈가 이 프로젝트를 통해 진화할 수 있다는 거예요.
이는pytorch이동단배치의helloworld에 대한 사용에 관한 글을 소개합니다. 더 많은pytorch이동단배치의helloworld에 대한 내용은 이전의 글을 검색하거나 아래의 관련 글을 계속 훑어보십시오. 앞으로 많은 응원 부탁드립니다!