Super-Gradients 3.6版本中预测结果保存功能的变化解析
2025-06-11 07:45:28作者:谭伦延
概述
在计算机视觉模型的开发过程中,预测结果的保存是一个常见需求。Super-Gradients作为一款强大的深度学习训练库,在3.6版本中对预测结果的保存功能进行了重要变更,这导致了一些用户在使用过程中遇到了问题。本文将详细解析这一变更及其影响。
问题背景
在Super-Gradients 3.5及更早版本中,当用户使用YOLO-NAS等模型进行单张图片预测后,可以通过prediction.save()
方法将结果保存到指定目录。然而,在升级到3.6版本后,同样的代码会抛出"ValueError: unknown file extension"错误。
版本差异分析
3.5版本的行为
在3.5版本中,prediction.save()
方法接受一个输出目录路径作为参数。系统会自动在该目录下生成结果图片,通常使用默认文件名或基于输入图片的文件名。
3.6版本的变更
3.6版本对此进行了重大修改:
output_path
参数现在需要指定完整的文件路径,包括文件名和扩展名- 不再自动处理目录创建和文件名生成
- 要求用户显式指定输出图片的格式(通过文件扩展名)
解决方案
要适配3.6版本的这一变更,用户需要修改代码,明确指定输出文件的完整路径:
import os
from super_gradients.training import models
# 模型加载和预测部分保持不变
device = torch.device("cuda:0") if torch.cuda.is_available() else torch.device("cpu")
model = models.get(
model_name='yolo_nas_s',
checkpoint_path='models/MyCustomTrainedModel.pth',
num_classes=len(CLASSES),
pretrained_weights="coco"
).to(device)
image_path = 'test/T_01_1920.jpg'
prediction = model.predict(image_path, iou=0.05, conf=0.3, skip_image_resizing=False)
# 修改保存方式:指定完整输出路径
output_filename = os.path.join(output_path, os.path.basename(image_path))
prediction.save(output_filename, box_thickness=2, show_confidence=True)
最佳实践建议
- 路径处理:使用
os.path
模块处理路径,确保跨平台兼容性 - 文件扩展名:明确指定图片格式(如.jpg、.png等)
- 目录检查:在保存前检查输出目录是否存在,必要时创建目录
- 版本兼容性:在代码中添加版本检查,处理不同版本的行为差异
技术原理
这一变更背后的技术考虑包括:
- 更明确的接口:让用户完全控制输出位置和格式
- 减少隐式行为:避免自动处理可能导致的意外结果
- 更好的可扩展性:为未来支持更多输出格式做准备
常见问题排查
如果遇到图片加载问题(如UnidentifiedImageError),可以检查:
- 文件路径是否正确
- 图片文件是否完整无损坏
- 文件权限是否足够
- 图片格式是否被支持
总结
Super-Gradients 3.6版本对预测结果保存接口的变更加强了接口的明确性和可控性,虽然需要用户进行少量代码调整,但长期来看有利于代码的维护和可读性。理解这一变更背后的设计理念,有助于开发者更好地使用这一强大的深度学习库。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0301- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
1 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析3 freeCodeCamp英语课程填空题提示缺失问题分析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp Cafe Menu项目中link元素的void特性解析9 freeCodeCamp全栈开发课程中React实验项目的分类修正10 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
262

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
863
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K