首页
/ Super-Gradients 3.6版本中预测结果保存功能的变化解析

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:

  1. 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
  2. 不再自动处理目录创建和文件名生成
  3. 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

  1. 路径处理:使用os.path模块处理路径,确保跨平台兼容性
  2. 文件扩展名:明确指定图片格式(如.jpg、.png等)
  3. 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
  4. 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:

  1. 更明确的接口:让用户完全控制输出位置和格式
  2. 减少隐式行为:避免自动处理可能导致的意外结果
  3. 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:

  1. 文件路径是否正确
  2. 图片文件是否完整无损坏
  3. 文件权限是否足够
  4. 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

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
148
1.95 K
kernelkernel
deepin linux kernel
C
22
6
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
RuoYi-Vue3RuoYi-Vue3
🎉 (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
931
555
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
openHiTLSopenHiTLS
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
980
395
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
CangjieCommunityCangjieCommunity
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
1.11 K
0
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
65
515