问题描述
我正在使用 Python,我正在预测时装模特图像中出现的服装属性。使用以下代码构建预测:
ATTRIBUTE RECOGNITION MODEL
#Importing necessary libraries
import torch
import torchvision.models as models
from torchvision import transfor
from torch.autograd import Variable
from PIL import Image
import torch.nn as nn
import numpy as np
#Defining the functions to load and use the model
def get_tensor(img):
tfms = transforms.Compose([
transforms.Resize((256,256)),transforms.ToTensor()
])
return tfms(Image.open(img)).unsqueeze(0)
def predict(img,label_lst,model):
tnsr = get_tensor(img)
op = model(tnsr)
op_b = torch.round(op)
op_b_np = torch.Tensor.cpu(op_b).detach().numpy()
preds = np.where(op_b_np ==1)[1]
sigs_op = torch.Tensor.cpu(torch.round((op)*100)).detach().numpy()[0]
o_p = np.argsort(torch.Tensor.cpu(op).detach().numpy())[0][::-1]
label = []
for i in preds:
label.append(label_lst[i])
arg_s = {}
for i in o_p:
arg_s[label_lst[int(i)]] = sigs_op[int(i)]
return label,list(arg_s.items())[:10]
#Load the model
labels = open(ATTRIBUTE_PATH,'r').read().splitlines()
model = torch.load(ATTRIBUTE_MODEL_PATH,map_location=torch.device('cpu'))
model = model.eval()
#Use the model to iterate over the rows of our clothing dataframe and adding a column with the predictions
predictions=[]
for x in df_images["Media"]:
p= predict(x,labels,model)
predictions.append(p)
out = [[i for i,v in lst if v > -200 else i == i[0]] for _,lst in predictions]
df_images["Attributes"] = out
df_images.head()
以上对我来说工作正常。我正在检索 i,v 中 i 的所有值,其中 v > -200。
但是,我想添加一个 else 条件指定,如果 i,v where v > -200 中没有 i 的值,则返回 i[0] for i in i,v。(即 v 所在的 i i,v) 中最高
我想这样做的原因是因为对于某些图像,现在正在返回属性预测,因为它们不满足 -200 的阈值。因此,因为我想从已识别的可能属性列表中返回最可能的属性。
这是我迄今为止尝试过的方法,但它不起作用:
out = [[i for i,lst in predictions]
感谢您的帮助
解决方法
我想你的意思是:
out = [[i for i,v in lst if v > -200] or [lst[0][0]] for _,lst in predictions]
然而,正如你所看到的,很难理解并解释它的作用,这意味着有时以显式形式编写代码会更好:
out = []
for _,lst in prediction:
member = [i for i,v in lst if v > -200]
if not member:
member = [lst[0][0]]
out.append(member)
注意第一种形式:Python 中的运算符“or”和“and”与大多数其他二元运算符的行为不同。如果“或”具有“真”值,则“或”将评估其左侧的对象,否则评估右侧的对象(无论它是否具有 True 值)。 然后,在 Python 中,空序列有一个“假”值(它的计算结果为布尔值 False),因此,如果由 "> -200" 保护过滤的元素最终为空,则其中的“或”将选择右侧表达式的结果。