### 关于 DETR 模型在 PyTorch 下的部署 对于希望了解如何在 PyTorch 中部署 DETR (DEtection TRansformer) 模型的方法和教程而言，可以参考官方文档以及社区贡献者分享的最佳实践案例。 #### 初始化模型推理环境 当准备在 PyTorch 上运行 DETR 推理时，通常会先加载预训练权重并设置必要的参数配置。这类似于其他深度学习项目中的做法，在此过程中可能涉及定义一个预测器类来封装所有必需的操作[^1]： ```python import torch from detr.models import build_model from util.misc import nested_tensor_from_tensor_list from PIL import Image import torchvision.transforms as T class DETRPredictor: def __init__(self, model_path, label_path=None, device='cuda', postprocess=True): checkpoint = torch.load(model_path, map_location=device) args = checkpoint['args'] # 构建模型结构 self.model = build_model(args).to(device) self.model.load_state_dict(checkpoint['model']) self.model.eval() if label_path is not None: with open(label_path, 'r') as f: labels = [line.strip() for line in f.readlines()] self.labels = {i: label for i, label in enumerate(labels)} self.device = device self.postprocess = postprocess transform_normalize = T.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) self.transform = T.Compose([ T.Resize((800,), max_size=1333), T.ToTensor(), transform_normalize, ]) ``` 上述代码展示了如何创建 `DETRPredictor` 类用于处理图像输入，并调用已保存好的检测模型来进行目标识别任务。这里假设已经有一个预先训练过的 `.pth` 文件作为模型路径传入到构造函数中。 #### 图像前处理与后处理逻辑实现 为了使原始图片适应网络的要求，还需要编写相应的数据转换流程；同样地，在得到输出特征图之后也需要对其进行解析以便获取最终的结果列表。这部分工作可以在同一个类内部完成，通过增加额外的方法来负责具体的细节操作[^2]： ```python def preprocess(self, image_pil): img_tens = self.transform(image_pil).unsqueeze(0).to(self.device) return nested_tensor_from_tensor_list(img_tens) def predict(self, images): samples = [] if isinstance(images, list): for im in images: sample = self.preprocess(im) samples.append(sample.tensors) elif isinstance(images, str): # 单张图片文件名字符串形式 img = Image.open(images).convert('RGB') sample = self.preprocess(img) samples.append(sample.tensors) else: raise ValueError("Invalid input type.") outputs = self.model(samples)[0] results = {} if self.postprocess: probas = outputs['pred_logits'].softmax(-1)[..., :-1].max(-1)[0] keep = probas > 0.7 bboxes_scaled = rescale_bboxes(outputs['pred_boxes'][keep], orig_image.size) scores = probas.max(-1)[0][keep] labels = probas.argmax(-1)[keep] result = [{'score': s.item(), 'bbox': box.tolist()} for s, box in zip(scores, bboxes_scaled)] results["detections"] = [{"label": self.labels[l.item()], **det} for l, det in zip(labels, result)] return results ``` 这段脚本实现了从读取单个或多个图像直至获得分类置信度分数及边界框坐标的全过程。注意这里的阈值设定可以根据实际应用场景灵活调整。