How we can use PASCAL VOC 2012 checkpoint for Semantic segmentation
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Idoneità per principianti
- 15/100
- Tipo di issue
- Documentazione
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- jupyter-notebook, python
- Ambito
- documentation, machine-learning
Direzione di ricerca
The issue asks how to run the PASCAL VOC 2012 semantic segmentation checkpoint from the self_training project folder on new images, and whether an inference script or notebook exists. Start by locating that folder and any existing inference or export code, then check whether the checkpoint loads and runs on a sample image. Done means a documented, working inference example, and the maintainers would need to confirm the expected input and output format.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Hi, I want to use PASCAL VOC 2012 weights from here for Semantic segmentation with new image. I want to use this models for inference. How I should use that?
Do you now any python code or jupyter notebook for inference?
@ewilderj @d0k
- Lingua principale
- Jupyter Notebook
- Stelle
- 5.3k
- Fork
- 1.7k
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di tensorflow/tpu
-
Difficoltà 2/5 Mezza giornata Idoneità per principianti 62/100
tensorflow/tpu#3542 ·
-
imagenet_to_gcs.pyAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 78/100
tensorflow/tpu#951 · 2 reazioni ·
-
Broken linkAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 70/100
tensorflow/tpu#908 ·
-
Bug in imagenet_to_gcs.pyAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 62/100
tensorflow/tpu#889 · 1 commento · 1 reazione ·
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 78/100
tensorflow/tpu#582 · 1 commento ·
Tutte le issue di tensorflow/tpu
Issue simili
-
difficulty: easy enhancement quality
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
I maintainer di solito rispondono entro 2 giorni
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
xdelmo/Portfolio-minimal#613 ·
I maintainer di solito rispondono entro 1 giorno
-
integration: cisco_ios
Difficoltà 2/5 1-3 ore Idoneità per principianti 71/100
home-assistant/home-assistant.io#50936 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
backend documentation low-priority Stellar Wave
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
Savitura/Savitools#611 · 1 commento ·
I maintainer di solito rispondono entro 6 giorni
-
Content:HTML needs triage
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
I maintainer di solito rispondono entro 1 giorno