一个 Python 模块，可以轻松使用刚刚发布的最新模型
它是一个模块，可以使用简单的代码使用最新模型，例如“今年宣布”。
人工智能与机器学之 令人难以置信的模块 mmsegmentation，我们可以随心所欲地使用更绿色的分割模型
一个 Python 模块，可以轻松使用刚刚发布的最新模型
它是一个模块，可以使用简单的代码使用最新模型，例如“今年宣布”。
机器学习每天都在进步，但似乎很难赶上并使用它。
论文发表稳定，准确率稳定提高的机器学习模型。
代码将发布，但每次发布都很难访问GitHub并运行代码。……
我们是否必须参考每个研究的代码？
即使我们尝试比较哪个模型更适合我们的服务，
每个项目的代码格式可能会有所不同，例如执行方法、执行环境和所需模块，因此需要时间参考。
使用mmsegmentation，很容易，只需选择一个模型并一次性执行
mmsegm è ntation支持多种模式，并且可以在同一个执行的格式使用。
它支持许多新模型，直到今年宣布的模型。
此外，它可以用更少的代码执行。
它支持以下型号。在撰写本文时，它还包括论文级别最准确的模型。支持所有兼容的数据集。
如何使用
1.按照官方流程安装mmsegmentation。你可以用 pip 做到这一点。
https://github.com/open-mmlab/mmsegmentation/blob/master/docs/en/get_started.md#installation
2.配置文件和checkpoint文件可以从官方的lipo model zoo获取。
3、执行
from mmseg.apis import inference_segmentor, init_segmentor
import mmcv
model = init_segmentor(path_to_config_file, path_to_checkpoint_file, device='cuda:0')
img = 'demo/demo.png'
result = inference_segmentor(model, img)比较新旧型号，轻松使用适合您服务的型号。
使用 mmsegmentation，您可以访问最新模型并选择适合您服务的模型。
我认为能够在一个统一的模块中使用它是非常方便的。