Видео
- class oceanai.modules.lab.video.VideoMessages(lang: str = 'ru', color_simple: str = '#666', color_info: str = '#1776D2', color_err: str = '#FF0000', color_true: str = '#008001', bold_text: bool = True, text_runtime: str = '', num_to_df_display: int = 30)[исходный код]
Базовые классы:
Download
Класс для сообщений
- Параметры
lang (str) – Смотреть
lang
color_simple (str) – Смотреть
color_simple
color_info (str) – Смотреть
color_info
color_err (str) – Смотреть
color_err
color_true (str) – Смотреть
color_true
bold_text (bool) – Смотреть
bold_text
num_to_df_display (int) – Смотреть
num_to_df_display
text_runtime (str) – Смотреть
text_runtime
- class oceanai.modules.lab.video.Video(lang: str = 'ru', color_simple: str = '#666', color_info: str = '#1776D2', color_err: str = '#FF0000', color_true: str = '#008001', bold_text: bool = True, text_runtime: str = '', num_to_df_display: int = 30)[исходный код]
Базовые классы:
VideoMessages
Класс для обработки видео
- Параметры
lang (str) – Смотреть
lang
color_simple (str) – Смотреть
color_simple
color_info (str) – Смотреть
color_info
color_err (str) – Смотреть
color_err
color_true (str) – Смотреть
color_true
bold_text (bool) – Смотреть
bold_text
num_to_df_display (int) – Смотреть
num_to_df_display
text_runtime (str) – Смотреть
text_runtime
- __calc_reshape_img_coef(shape: Union[Tuple[int], List[int]], new_shape: Union[int, Tuple[int], List[int]], out: bool = True) float
Вычисление коэффициента изменения размера изображения
Примечание
private (приватный метод)
- Параметры
shape (Union[Tuple[int], List[int]]) – Текущий размер изображения (ширина, высота)
new_shape (Union[int, Tuple[int], List[int]]) – Желаемый размер изображения
out (bool) – Отображение
- Результат
Коэффициент изменения размера изображения
- Тип результата
float
Примеры
Верно – 1 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video._Video__calc_reshape_img_coef( 6 shape = (1280, 720), 7 new_shape = 224, 8 out = True 9)
[1]:10.175
Верно – 2 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video._Video__calc_reshape_img_coef( 6 shape = (1280, 720), 7 new_shape = (1920, 1080), 8 out = True 9)
[1]:11.5
Ошибка – 1 –
In [3]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video._Video__calc_reshape_img_coef( 6 shape = (1280, 720), 7 new_shape = '', 8 out = True 9)
[4]:1[2022-10-29 13:24:27] Неверные типы или значения аргументов в "Video.__calc_reshape_img_coef" ... 2 3-1.0
- __concat_pred(pred_hc: ndarray, pred_nn: ndarray, out: bool = True) List[Optional[ndarray]]
Конкатенация оценок по экспертным и нейросетевым признакам
Примечание
private (приватный метод)
- Параметры
pred_hc (np.ndarray) – Оценки по экспертным признакам
pred_nn (np.ndarray) – Оценки по нейросетевым признакам
out (bool) – Отображение
- Результат
Конкатенированные оценки по экспертным и нейросетевым признакам
- Тип результата
List[Optional[np.ndarray]]
Примеры
Верно – 1 –
In [1]:1import numpy as np 2from oceanai.modules.lab.video import Video 3 4video = Video() 5 6arr_hc = np.array([ 7 [0.64113516, 0.6217892, 0.54451424, 0.6144415, 0.59334993], 8 [0.6652424, 0.63606125, 0.572305, 0.63169795, 0.612515] 9]) 10 11arr_nn = np.array([ 12 [0.56030345, 0.7488746, 0.44648764, 0.59893465, 0.5701077], 13 [0.5900006, 0.7652722, 0.4795154, 0.6409055, 0.6088242] 14]) 15 16video._Video__concat_pred( 17 pred_hc = arr_hc, 18 pred_nn = arr_nn, 19 out = True 20)
[1]:1[ 2 array([ 3 0.64113516, 0.6652424, 0.65318878, 0.65318878, 0.65318878, 4 0.65318878, 0.65318878, 0.65318878, 0.65318878, 0.65318878, 5 0.65318878, 0.65318878, 0.65318878, 0.65318878, 0.65318878, 6 0.65318878, 0.56030345, 0.5900006, 0.57515202, 0.57515202, 7 0.57515202, 0.57515202, 0.57515202, 0.57515202, 0.57515202, 8 0.57515202, 0.57515202, 0.57515202, 0.57515202, 0.57515202, 9 0.57515202, 0.57515202 10 ]), 11 array([ 12 0.6217892, 0.63606125, 0.62892523, 0.62892523, 0.62892523, 13 0.62892523, 0.62892523, 0.62892523, 0.62892523, 0.62892523, 14 0.62892523, 0.62892523, 0.62892523, 0.62892523, 0.62892523, 15 0.62892523, 0.7488746, 0.7652722, 0.7570734, 0.7570734, 16 0.7570734, 0.7570734, 0.7570734, 0.7570734, 0.7570734, 17 0.7570734, 0.7570734, 0.7570734, 0.7570734, 0.7570734, 18 0.7570734, 0.7570734 19 ]), 20 array([ 21 0.54451424, 0.572305, 0.55840962, 0.55840962, 0.55840962, 22 0.55840962, 0.55840962, 0.55840962, 0.55840962, 0.55840962, 23 0.55840962, 0.55840962, 0.55840962, 0.55840962, 0.55840962, 24 0.55840962, 0.44648764, 0.4795154, 0.46300152, 0.46300152, 25 0.46300152, 0.46300152, 0.46300152, 0.46300152, 0.46300152, 26 0.46300152, 0.46300152, 0.46300152, 0.46300152, 0.46300152, 27 0.46300152, 0.46300152 28 ]), 29 array([ 30 0.6144415, 0.63169795, 0.62306972, 0.62306972, 0.62306972, 31 0.62306972, 0.62306972, 0.62306972, 0.62306972, 0.62306972, 32 0.62306972, 0.62306972, 0.62306972, 0.62306972, 0.62306972, 33 0.62306972, 0.59893465, 0.6409055, 0.61992008, 0.61992008, 34 0.61992008, 0.61992008, 0.61992008, 0.61992008, 0.61992008, 35 0.61992008, 0.61992008, 0.61992008, 0.61992008, 0.61992008, 36 0.61992008, 0.61992008 37 ]), 38 array([ 39 0.59334993, 0.612515, 0.60293247, 0.60293247, 0.60293247, 40 0.60293247, 0.60293247, 0.60293247, 0.60293247, 0.60293247, 41 0.60293247, 0.60293247, 0.60293247, 0.60293247, 0.60293247, 42 0.60293247, 0.5701077, 0.6088242, 0.58946595, 0.58946595, 43 0.58946595, 0.58946595, 0.58946595, 0.58946595, 0.58946595, 44 0.58946595, 0.58946595, 0.58946595, 0.58946595, 0.58946595, 45 0.58946595, 0.58946595 46 ]) 47]
Ошибка – 1 –
In [2]:1import numpy as np 2from oceanai.modules.lab.video import Video 3 4video = Video() 5 6arr_hc = np.array([ 7 [0.64113516, 0.6217892, 0.54451424, 0.6144415], 8 [0.6652424, 0.63606125, 0.572305, 0.63169795, 0.612515] 9]) 10 11arr_nn = np.array([ 12 [0.56030345, 0.7488746, 0.44648764, 0.59893465, 0.5701077], 13 [0.5900006, 0.7652722, 0.4795154, 0.6409055, 0.6088242] 14]) 15 16video._Video__concat_pred( 17 pred_hc = arr_hc, 18 pred_nn = arr_nn, 19 out = True 20)
[3]:1[2022-10-20 22:33:31] Ой! Что-то пошло не так ... конкатенация оценок по экспертным и нейросетевым 2признакам не произведена (видео модальность) ... 3 4[]
- __load_model_weights(url: str, force_reload: bool = True, info_text: str = '', out: bool = True, runtime: bool = True, run: bool = True) bool
Загрузка весов нейросетевой модели
Примечание
private (приватный метод)
- Параметры
url (str) – Полный путь к файлу с весами нейросетевой модели
force_reload (bool) – Принудительная загрузка файла с весами нейросетевой модели из сети
info_text (str) – Текст для информационного сообщения
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения
- Результат
True если веса нейросетевой модели загружены, в обратном случае False
- Тип результата
bool
Примеры
Верно – 1 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.path_to_save_ = './models' 6video.chunk_size_ = 2000000 7 8video._Video__load_model_weights( 9 url = 'https://download.sberdisk.ru/download/file/412059444?token=JXerCfAjJZg6crD&filename=weights_2022-08-27_18-53-35.h5', 10 force_reload = True, 11 info_text = 'Загрузка весов нейросетевой модели', 12 out = True, runtime = True, run = True 13)
[1]:1[2022-10-27 12:46:55] Загрузка весов нейросетевой модели 2 3[2022-10-27 12:46:55] Загрузка файла "weights_2022-08-27_18-53-35.h5" (100.0%) ... 4 5--- Время выполнения: 0.626 сек. --- 6 7True
– 2 –
In [2]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.path_to_save_ = './models' 6video.chunk_size_ = 2000000 7 8video._Video__load_model_weights( 9 url = './models/weights_2022-08-27_18-53-35.h5', 10 force_reload = True, 11 info_text = 'Загрузка весов нейросетевой модели', 12 out = True, runtime = True, run = True 13)
[2]:1[2022-10-27 12:47:52] Загрузка весов нейросетевой модели 2 3--- Время выполнения: 0.002 сек. --- 4 5True
Ошибка – 1 –
In [3]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.path_to_save_ = './models' 6video.chunk_size_ = 2000000 7 8video._Video__load_model_weights( 9 url = 'https://download.sberdisk.ru/download/file/412059444?token=JXerCfAjJZg6crD&filename=weights_2022-08-27_18-53-35.h5', 10 force_reload = True, info_text = '', 11 out = True, runtime = True, run = True 12)
[3]:1[2022-10-27 12:48:24] Неверные типы или значения аргументов в "Video.__load_model_weights" ... 2 3False
- __load_video_model_b5(show_summary: bool = False, out: bool = True) Optional[Model]
Формирование нейросетевой архитектуры модели для получения результата оценки персонального качества
Примечание
private (приватный метод)
- Параметры
show_summary (bool) – Отображение сформированной нейросетевой архитектуры модели
out (bool) – Отображение
- Результат
None если неверные типы или значения аргументов, в обратном случае нейросетевая модель tf.keras.Model для получения результата оценки персонального качества
- Тип результата
Optional[tf.keras.Model]
Примеры
Верно – 1 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video._Video__load_video_model_b5( 6 show_summary = True, out = True 7)
[1]:1Model: "model" 2_________________________________________________________________ 3 Layer (type) Output Shape Param # 4================================================================= 5 input_1 (InputLayer) [(None, 32)] 0 6 7 dense_1 (Dense) (None, 1) 33 8 9 activ_1 (Activation) (None, 1) 0 10 11================================================================= 12Total params: 33 13Trainable params: 33 14Non-trainable params: 0 15_________________________________________________________________ 16<tf.keras.Model at 0x13d442940>
Ошибка – 1 –
In [2]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video._Video__load_video_model_b5( 6 show_summary = True, out = [] 7)
[3]:1[2022-10-17 10:53:03] Неверные типы или значения аргументов в "Video.__load_video_model_b5" ...
- __norm_pred(pred_data: ndarray, len_nn: int = 16, out: bool = True) ndarray
Нормализация оценок по экспертным и нейросетевым признакам
Примечание
private (приватный метод)
- Параметры
pred_data (np.ndarray) – Оценки
len_nn (int) – Максимальный размер вектора оценок
out (bool) – Отображение
- Результат
Нормализованные оценки по экспертным и нейросетевым признакам
- Тип результата
np.ndarray
Примеры
Верно – 1 –
In [1]:1import numpy as np 2from oceanai.modules.lab.video import Video 3 4video = Video() 5 6arr = np.array([ 7 [0.64113516, 0.6217892, 0.54451424, 0.6144415, 0.59334993], 8 [0.6652424, 0.63606125, 0.572305, 0.63169795, 0.612515] 9]) 10 11video._Video__norm_pred( 12 pred_data = arr, 13 len_nn = 4, 14 out = True 15)
[1]:1array([ 2 [0.64113516, 0.6217892 , 0.54451424, 0.6144415 , 0.59334993], 3 [0.6652424 , 0.63606125, 0.572305 , 0.63169795, 0.612515], 4 [0.65318878, 0.62892523, 0.55840962, 0.62306972, 0.60293247], 5 [0.65318878, 0.62892523, 0.55840962, 0.62306972, 0.60293247] 6])
Ошибка – 1 –
In [2]:1import numpy as np 2from oceanai.modules.lab.video import Video 3 4video = Video() 5 6arr = np.array([]) 7 8video._Video__norm_pred( 9 pred_data = arr, 10 len_nn = 4, 11 out = True 12)
[3]:1[2022-10-20 22:03:17] Неверные типы или значения аргументов в "Video.__norm_pred" ... 2 3array([], dtype=float64)
- _get_visual_features(path: str, reduction_fps: int = 5, window: int = 10, step: int = 5, lang: str = 'ru', last: bool = False, out: bool = True, runtime: bool = True, run: bool = True) Tuple[ndarray, ndarray] [исходный код]
Извлечение признаков из визуального сигнала (без очистки истории вывода сообщений в ячейке Jupyter)
Примечание
protected (защищенный метод)
- Параметры
path (str) – Путь к видеофайлу
reduction_fps (int) – Понижение кадровой частоты
window (int) – Размер окна сегмента сигнала (в кадрах)
step (int) – Шаг сдвига окна сегмента сигнала (в кадрах)
lang (str) – Язык
last (bool) – Замена последнего сообщения
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения
- Результат
Кортеж с двумя np.ndarray:
np.ndarray с экспертными признаками
np.ndarray с нейросетевыми признаками
- Тип результата
Tuple[np.ndarray, np.ndarray]
Примеры
Верно – 1 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5res_load_model_deep_fe = video.load_video_model_deep_fe( 6 show_summary = False, 7 out = True, 8 runtime = True, 9 run = True 10)
[1]:1[2022-11-03 16:37:12] Формирование нейросетевой архитектуры для получения нейросетевых признаков (видео модальность) ... 2 3--- Время выполнения: 1.564 сек. ---
In [2]:1video.path_to_save_ = './models' 2video.chunk_size_ = 2000000 3 4url = video.weights_for_big5_['video']['fe']['sberdisk'] 5 6res_load_video_model_weights_deep_fe = video.load_video_model_weights_deep_fe( 7 url = url, 8 force_reload = True, out = True, 9 runtime = True, run = True 10)
[2]:1[2022-11-03 16:39:10] Загрузка весов нейросетевой модели для получения нейросетевых признаков (видео модальность) ... 2 3[2022-11-03 16:39:14] Загрузка файла "weights_2022-11-01_12-27-07.h5" (100.0%) ... 4 5--- Время выполнения: 4.874 сек. ---
In [3]:1path = '/Users/dl/GitHub/oceanai/oceanai/dataset/test80_01/glgfB3vFewc.004.mp4' 2 3hc_features, nn_features = video.get_visual_features( 4 path = path, reduction_fps = 5, 5 window = 10, step = 5, 6 out = True, runtime = True, run = True 7)
[3]:1[2022-11-03 16:56:52] Извлечение признаков (экспертных и нейросетевых) из визуального сигнала ... 2 3[2022-11-03 16:56:58] Статистика извлеченных признаков из визуального сигнала: 4 Общее количество сегментов с: 5 1. экспертными признаками: 12 6 2. нейросетевыми признаками: 12 7 Размерность матрицы экспертных признаков одного сегмента: 10 ✕ 115 8 Размерность тензора с нейросетевыми признаками одного сегмента: 10 ✕ 512 9 Понижение кадровой частоты: с 30 до 5 10 11--- Время выполнения: 6.109 сек. ---
Ошибка – 1 –
In [4]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5path = '/Users/dl/GitHub/oceanai/oceanai/dataset/test80_01/glgfB3vFewc.004.mp4' 6 7hc_features, nn_features = video.get_visual_features( 8 path = path, reduction_fps = 5, 9 window = 10, step = 5, 10 out = True, runtime = True, run = True 11)
[4]:1[2022-11-03 16:59:45] Извлечение признаков (экспертных и нейросетевых) из визуального сигнала ... 2 3[2022-11-03 16:59:46] Ой! Что-то пошло не так ... нейросетевая архитектура модели для получения нейросетевых признаков не сформирована (видео модальность) ... 4 5--- Время выполнения: 1.358 сек. ---
- get_video_union_predictions(depth: int = 1, recursive: bool = False, reduction_fps: int = 5, window: int = 10, step: int = 5, lang: str = 'ru', accuracy=True, url_accuracy: str = '', logs: bool = True, out: bool = True, runtime: bool = True, run: bool = True) bool [исходный код]
Получения прогнозов по видео
- Параметры
depth (int) – Глубина иерархии для получения данных
recursive (bool) – Рекурсивный поиск данных
reduction_fps (int) – Понижение кадровой частоты
window (int) – Размер окна сегмента сигнала (в кадрах)
step (int) – Шаг сдвига окна сегмента сигнала (в кадрах)
lang (str) – Язык
accuracy (bool) – Вычисление точности
url_accuracy (str) – Полный путь к файлу с верными предсказаниями для подсчета точности
logs (bool) – При необходимости формировать LOG файл
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения
- Результат
True если прогнозы успешно получены, в обратном случае False
- Тип результата
bool
- get_visual_features(path: str, reduction_fps: int = 5, window: int = 10, step: int = 5, lang: str = 'ru', out: bool = True, runtime: bool = True, run: bool = True) Tuple[ndarray, ndarray] [исходный код]
Извлечение признаков из визуального сигнала
- Параметры
path (str) – Путь к видеофайлу
reduction_fps (int) – Понижение кадровой частоты
window (int) – Размер окна сегмента сигнала (в кадрах)
step (int) – Шаг сдвига окна сегмента сигнала (в кадрах)
lang (str) – Язык
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения
- Результат
Кортеж с двумя np.ndarray:
np.ndarray с экспертными признаками
np.ndarray с нейросетевыми признаками
- Тип результата
Tuple[np.ndarray, np.ndarray]
- load_video_model_deep_fe(show_summary: bool = False, out: bool = True, runtime: bool = True, run: bool = True) bool [исходный код]
Формирование нейросетевой архитектуры для получения нейросетевых признаков
- Параметры
show_summary (bool) – Отображение сформированной нейросетевой архитектуры модели
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения
- Результат
True если нейросетевая архитектура модели сформирована, в обратном случае False
- Тип результата
bool
Примеры
Верно – 1 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4video.load_video_model_deep_fe( 5 show_summary = True, out = True, 6 runtime = True, run = True 7)
[1]:1[2022-11-01 12:18:14] Формирование нейросетевой архитектуры для получения нейросетевых признаков (видео модальность) ... 2 3Model: "model_1" 4__________________________________________________________________________________________________ 5 Layer (type) Output Shape Param # Connected to 6================================================================================================== 7 input_2 (InputLayer) [(None, 224, 224, 3 0 [] 8 )] 9 10 conv1/7x7_s2 (Conv2D) (None, 112, 112, 64 9408 ['input_2[0][0]'] 11 ) 12 13 conv1/7x7_s2/bn (BatchNormaliz (None, 112, 112, 64 256 ['conv1/7x7_s2[0][0]'] 14 ation) ) 15 16 activation_49 (Activation) (None, 112, 112, 64 0 ['conv1/7x7_s2/bn[0][0]'] 17 ) 18 19 max_pooling2d_1 (MaxPooling2D) (None, 55, 55, 64) 0 ['activation_49[0][0]'] 20 21 conv2_1_1x1_reduce (Conv2D) (None, 55, 55, 64) 4096 ['max_pooling2d_1[0][0]'] 22 23 conv2_1_1x1_reduce/bn (BatchNo (None, 55, 55, 64) 256 ['conv2_1_1x1_reduce[0][0]'] 24 rmalization) 25 26 activation_50 (Activation) (None, 55, 55, 64) 0 ['conv2_1_1x1_reduce/bn[0][0]'] 27 28 conv2_1_3x3 (Conv2D) (None, 55, 55, 64) 36864 ['activation_50[0][0]'] 29 30 conv2_1_3x3/bn (BatchNormaliza (None, 55, 55, 64) 256 ['conv2_1_3x3[0][0]'] 31 tion) 32 33 activation_51 (Activation) (None, 55, 55, 64) 0 ['conv2_1_3x3/bn[0][0]'] 34 35 conv2_1_1x1_increase (Conv2D) (None, 55, 55, 256) 16384 ['activation_51[0][0]'] 36 37 conv2_1_1x1_proj (Conv2D) (None, 55, 55, 256) 16384 ['max_pooling2d_1[0][0]'] 38 39 conv2_1_1x1_increase/bn (Batch (None, 55, 55, 256) 1024 ['conv2_1_1x1_increase[0][0]'] 40 Normalization) 41 42 conv2_1_1x1_proj/bn (BatchNorm (None, 55, 55, 256) 1024 ['conv2_1_1x1_proj[0][0]'] 43 alization) 44 45 add_16 (Add) (None, 55, 55, 256) 0 ['conv2_1_1x1_increase/bn[0][0]', 46 'conv2_1_1x1_proj/bn[0][0]'] 47 48 activation_52 (Activation) (None, 55, 55, 256) 0 ['add_16[0][0]'] 49 50 conv2_2_1x1_reduce (Conv2D) (None, 55, 55, 64) 16384 ['activation_52[0][0]'] 51 52 conv2_2_1x1_reduce/bn (BatchNo (None, 55, 55, 64) 256 ['conv2_2_1x1_reduce[0][0]'] 53 rmalization) 54 55 activation_53 (Activation) (None, 55, 55, 64) 0 ['conv2_2_1x1_reduce/bn[0][0]'] 56 57 conv2_2_3x3 (Conv2D) (None, 55, 55, 64) 36864 ['activation_53[0][0]'] 58 59 conv2_2_3x3/bn (BatchNormaliza (None, 55, 55, 64) 256 ['conv2_2_3x3[0][0]'] 60 tion) 61 62 activation_54 (Activation) (None, 55, 55, 64) 0 ['conv2_2_3x3/bn[0][0]'] 63 64 conv2_2_1x1_increase (Conv2D) (None, 55, 55, 256) 16384 ['activation_54[0][0]'] 65 66 conv2_2_1x1_increase/bn (Batch (None, 55, 55, 256) 1024 ['conv2_2_1x1_increase[0][0]'] 67 Normalization) 68 69 add_17 (Add) (None, 55, 55, 256) 0 ['conv2_2_1x1_increase/bn[0][0]', 70 'activation_52[0][0]'] 71 72 activation_55 (Activation) (None, 55, 55, 256) 0 ['add_17[0][0]'] 73 74 conv2_3_1x1_reduce (Conv2D) (None, 55, 55, 64) 16384 ['activation_55[0][0]'] 75 76 conv2_3_1x1_reduce/bn (BatchNo (None, 55, 55, 64) 256 ['conv2_3_1x1_reduce[0][0]'] 77 rmalization) 78 79 activation_56 (Activation) (None, 55, 55, 64) 0 ['conv2_3_1x1_reduce/bn[0][0]'] 80 81 conv2_3_3x3 (Conv2D) (None, 55, 55, 64) 36864 ['activation_56[0][0]'] 82 83 conv2_3_3x3/bn (BatchNormaliza (None, 55, 55, 64) 256 ['conv2_3_3x3[0][0]'] 84 tion) 85 86 activation_57 (Activation) (None, 55, 55, 64) 0 ['conv2_3_3x3/bn[0][0]'] 87 88 conv2_3_1x1_increase (Conv2D) (None, 55, 55, 256) 16384 ['activation_57[0][0]'] 89 90 conv2_3_1x1_increase/bn (Batch (None, 55, 55, 256) 1024 ['conv2_3_1x1_increase[0][0]'] 91 Normalization) 92 93 add_18 (Add) (None, 55, 55, 256) 0 ['conv2_3_1x1_increase/bn[0][0]', 94 'activation_55[0][0]'] 95 96 activation_58 (Activation) (None, 55, 55, 256) 0 ['add_18[0][0]'] 97 98 conv3_1_1x1_reduce (Conv2D) (None, 28, 28, 128) 32768 ['activation_58[0][0]'] 99 100 conv3_1_1x1_reduce/bn (BatchNo (None, 28, 28, 128) 512 ['conv3_1_1x1_reduce[0][0]'] 101 rmalization) 102 103 activation_59 (Activation) (None, 28, 28, 128) 0 ['conv3_1_1x1_reduce/bn[0][0]'] 104 105 conv3_1_3x3 (Conv2D) (None, 28, 28, 128) 147456 ['activation_59[0][0]'] 106 107 conv3_1_3x3/bn (BatchNormaliza (None, 28, 28, 128) 512 ['conv3_1_3x3[0][0]'] 108 tion) 109 110 activation_60 (Activation) (None, 28, 28, 128) 0 ['conv3_1_3x3/bn[0][0]'] 111 112 conv3_1_1x1_increase (Conv2D) (None, 28, 28, 512) 65536 ['activation_60[0][0]'] 113 114 conv3_1_1x1_proj (Conv2D) (None, 28, 28, 512) 131072 ['activation_58[0][0]'] 115 116 conv3_1_1x1_increase/bn (Batch (None, 28, 28, 512) 2048 ['conv3_1_1x1_increase[0][0]'] 117 Normalization) 118 119 conv3_1_1x1_proj/bn (BatchNorm (None, 28, 28, 512) 2048 ['conv3_1_1x1_proj[0][0]'] 120 alization) 121 122 add_19 (Add) (None, 28, 28, 512) 0 ['conv3_1_1x1_increase/bn[0][0]', 123 'conv3_1_1x1_proj/bn[0][0]'] 124 125 activation_61 (Activation) (None, 28, 28, 512) 0 ['add_19[0][0]'] 126 127 conv3_2_1x1_reduce (Conv2D) (None, 28, 28, 128) 65536 ['activation_61[0][0]'] 128 129 conv3_2_1x1_reduce/bn (BatchNo (None, 28, 28, 128) 512 ['conv3_2_1x1_reduce[0][0]'] 130 rmalization) 131 132 activation_62 (Activation) (None, 28, 28, 128) 0 ['conv3_2_1x1_reduce/bn[0][0]'] 133 134 conv3_2_3x3 (Conv2D) (None, 28, 28, 128) 147456 ['activation_62[0][0]'] 135 136 conv3_2_3x3/bn (BatchNormaliza (None, 28, 28, 128) 512 ['conv3_2_3x3[0][0]'] 137 tion) 138 139 activation_63 (Activation) (None, 28, 28, 128) 0 ['conv3_2_3x3/bn[0][0]'] 140 141 conv3_2_1x1_increase (Conv2D) (None, 28, 28, 512) 65536 ['activation_63[0][0]'] 142 143 conv3_2_1x1_increase/bn (Batch (None, 28, 28, 512) 2048 ['conv3_2_1x1_increase[0][0]'] 144 Normalization) 145 146 add_20 (Add) (None, 28, 28, 512) 0 ['conv3_2_1x1_increase/bn[0][0]', 147 'activation_61[0][0]'] 148 149 activation_64 (Activation) (None, 28, 28, 512) 0 ['add_20[0][0]'] 150 151 conv3_3_1x1_reduce (Conv2D) (None, 28, 28, 128) 65536 ['activation_64[0][0]'] 152 153 conv3_3_1x1_reduce/bn (BatchNo (None, 28, 28, 128) 512 ['conv3_3_1x1_reduce[0][0]'] 154 rmalization) 155 156 activation_65 (Activation) (None, 28, 28, 128) 0 ['conv3_3_1x1_reduce/bn[0][0]'] 157 158 conv3_3_3x3 (Conv2D) (None, 28, 28, 128) 147456 ['activation_65[0][0]'] 159 160 conv3_3_3x3/bn (BatchNormaliza (None, 28, 28, 128) 512 ['conv3_3_3x3[0][0]'] 161 tion) 162 163 activation_66 (Activation) (None, 28, 28, 128) 0 ['conv3_3_3x3/bn[0][0]'] 164 165 conv3_3_1x1_increase (Conv2D) (None, 28, 28, 512) 65536 ['activation_66[0][0]'] 166 167 conv3_3_1x1_increase/bn (Batch (None, 28, 28, 512) 2048 ['conv3_3_1x1_increase[0][0]'] 168 Normalization) 169 170 add_21 (Add) (None, 28, 28, 512) 0 ['conv3_3_1x1_increase/bn[0][0]', 171 'activation_64[0][0]'] 172 173 activation_67 (Activation) (None, 28, 28, 512) 0 ['add_21[0][0]'] 174 175 conv3_4_1x1_reduce (Conv2D) (None, 28, 28, 128) 65536 ['activation_67[0][0]'] 176 177 conv3_4_1x1_reduce/bn (BatchNo (None, 28, 28, 128) 512 ['conv3_4_1x1_reduce[0][0]'] 178 rmalization) 179 180 activation_68 (Activation) (None, 28, 28, 128) 0 ['conv3_4_1x1_reduce/bn[0][0]'] 181 182 conv3_4_3x3 (Conv2D) (None, 28, 28, 128) 147456 ['activation_68[0][0]'] 183 184 conv3_4_3x3/bn (BatchNormaliza (None, 28, 28, 128) 512 ['conv3_4_3x3[0][0]'] 185 tion) 186 187 activation_69 (Activation) (None, 28, 28, 128) 0 ['conv3_4_3x3/bn[0][0]'] 188 189 conv3_4_1x1_increase (Conv2D) (None, 28, 28, 512) 65536 ['activation_69[0][0]'] 190 191 conv3_4_1x1_increase/bn (Batch (None, 28, 28, 512) 2048 ['conv3_4_1x1_increase[0][0]'] 192 Normalization) 193 194 add_22 (Add) (None, 28, 28, 512) 0 ['conv3_4_1x1_increase/bn[0][0]', 195 'activation_67[0][0]'] 196 197 activation_70 (Activation) (None, 28, 28, 512) 0 ['add_22[0][0]'] 198 199 conv4_1_1x1_reduce (Conv2D) (None, 14, 14, 256) 131072 ['activation_70[0][0]'] 200 201 conv4_1_1x1_reduce/bn (BatchNo (None, 14, 14, 256) 1024 ['conv4_1_1x1_reduce[0][0]'] 202 rmalization) 203 204 activation_71 (Activation) (None, 14, 14, 256) 0 ['conv4_1_1x1_reduce/bn[0][0]'] 205 206 conv4_1_3x3 (Conv2D) (None, 14, 14, 256) 589824 ['activation_71[0][0]'] 207 208 conv4_1_3x3/bn (BatchNormaliza (None, 14, 14, 256) 1024 ['conv4_1_3x3[0][0]'] 209 tion) 210 211 activation_72 (Activation) (None, 14, 14, 256) 0 ['conv4_1_3x3/bn[0][0]'] 212 213 conv4_1_1x1_increase (Conv2D) (None, 14, 14, 1024 262144 ['activation_72[0][0]'] 214 ) 215 216 conv4_1_1x1_proj (Conv2D) (None, 14, 14, 1024 524288 ['activation_70[0][0]'] 217 ) 218 219 conv4_1_1x1_increase/bn (Batch (None, 14, 14, 1024 4096 ['conv4_1_1x1_increase[0][0]'] 220 Normalization) ) 221 222 conv4_1_1x1_proj/bn (BatchNorm (None, 14, 14, 1024 4096 ['conv4_1_1x1_proj[0][0]'] 223 alization) ) 224 225 add_23 (Add) (None, 14, 14, 1024 0 ['conv4_1_1x1_increase/bn[0][0]', 226 ) 'conv4_1_1x1_proj/bn[0][0]'] 227 228 activation_73 (Activation) (None, 14, 14, 1024 0 ['add_23[0][0]'] 229 ) 230 231 conv4_2_1x1_reduce (Conv2D) (None, 14, 14, 256) 262144 ['activation_73[0][0]'] 232 233 conv4_2_1x1_reduce/bn (BatchNo (None, 14, 14, 256) 1024 ['conv4_2_1x1_reduce[0][0]'] 234 rmalization) 235 236 activation_74 (Activation) (None, 14, 14, 256) 0 ['conv4_2_1x1_reduce/bn[0][0]'] 237 238 conv4_2_3x3 (Conv2D) (None, 14, 14, 256) 589824 ['activation_74[0][0]'] 239 240 conv4_2_3x3/bn (BatchNormaliza (None, 14, 14, 256) 1024 ['conv4_2_3x3[0][0]'] 241 tion) 242 243 activation_75 (Activation) (None, 14, 14, 256) 0 ['conv4_2_3x3/bn[0][0]'] 244 245 conv4_2_1x1_increase (Conv2D) (None, 14, 14, 1024 262144 ['activation_75[0][0]'] 246 ) 247 248 conv4_2_1x1_increase/bn (Batch (None, 14, 14, 1024 4096 ['conv4_2_1x1_increase[0][0]'] 249 Normalization) ) 250 251 add_24 (Add) (None, 14, 14, 1024 0 ['conv4_2_1x1_increase/bn[0][0]', 252 ) 'activation_73[0][0]'] 253 254 activation_76 (Activation) (None, 14, 14, 1024 0 ['add_24[0][0]'] 255 ) 256 257 conv4_3_1x1_reduce (Conv2D) (None, 14, 14, 256) 262144 ['activation_76[0][0]'] 258 259 conv4_3_1x1_reduce/bn (BatchNo (None, 14, 14, 256) 1024 ['conv4_3_1x1_reduce[0][0]'] 260 rmalization) 261 262 activation_77 (Activation) (None, 14, 14, 256) 0 ['conv4_3_1x1_reduce/bn[0][0]'] 263 264 conv4_3_3x3 (Conv2D) (None, 14, 14, 256) 589824 ['activation_77[0][0]'] 265 266 conv4_3_3x3/bn (BatchNormaliza (None, 14, 14, 256) 1024 ['conv4_3_3x3[0][0]'] 267 tion) 268 269 activation_78 (Activation) (None, 14, 14, 256) 0 ['conv4_3_3x3/bn[0][0]'] 270 271 conv4_3_1x1_increase (Conv2D) (None, 14, 14, 1024 262144 ['activation_78[0][0]'] 272 ) 273 274 conv4_3_1x1_increase/bn (Batch (None, 14, 14, 1024 4096 ['conv4_3_1x1_increase[0][0]'] 275 Normalization) ) 276 277 add_25 (Add) (None, 14, 14, 1024 0 ['conv4_3_1x1_increase/bn[0][0]', 278 ) 'activation_76[0][0]'] 279 280 activation_79 (Activation) (None, 14, 14, 1024 0 ['add_25[0][0]'] 281 ) 282 283 conv4_4_1x1_reduce (Conv2D) (None, 14, 14, 256) 262144 ['activation_79[0][0]'] 284 285 conv4_4_1x1_reduce/bn (BatchNo (None, 14, 14, 256) 1024 ['conv4_4_1x1_reduce[0][0]'] 286 rmalization) 287 288 activation_80 (Activation) (None, 14, 14, 256) 0 ['conv4_4_1x1_reduce/bn[0][0]'] 289 290 conv4_4_3x3 (Conv2D) (None, 14, 14, 256) 589824 ['activation_80[0][0]'] 291 292 conv4_4_3x3/bn (BatchNormaliza (None, 14, 14, 256) 1024 ['conv4_4_3x3[0][0]'] 293 tion) 294 295 activation_81 (Activation) (None, 14, 14, 256) 0 ['conv4_4_3x3/bn[0][0]'] 296 297 conv4_4_1x1_increase (Conv2D) (None, 14, 14, 1024 262144 ['activation_81[0][0]'] 298 ) 299 300 conv4_4_1x1_increase/bn (Batch (None, 14, 14, 1024 4096 ['conv4_4_1x1_increase[0][0]'] 301 Normalization) ) 302 303 add_26 (Add) (None, 14, 14, 1024 0 ['conv4_4_1x1_increase/bn[0][0]', 304 ) 'activation_79[0][0]'] 305 306 activation_82 (Activation) (None, 14, 14, 1024 0 ['add_26[0][0]'] 307 ) 308 309 conv4_5_1x1_reduce (Conv2D) (None, 14, 14, 256) 262144 ['activation_82[0][0]'] 310 311 conv4_5_1x1_reduce/bn (BatchNo (None, 14, 14, 256) 1024 ['conv4_5_1x1_reduce[0][0]'] 312 rmalization) 313 314 activation_83 (Activation) (None, 14, 14, 256) 0 ['conv4_5_1x1_reduce/bn[0][0]'] 315 316 conv4_5_3x3 (Conv2D) (None, 14, 14, 256) 589824 ['activation_83[0][0]'] 317 318 conv4_5_3x3/bn (BatchNormaliza (None, 14, 14, 256) 1024 ['conv4_5_3x3[0][0]'] 319 tion) 320 321 activation_84 (Activation) (None, 14, 14, 256) 0 ['conv4_5_3x3/bn[0][0]'] 322 323 conv4_5_1x1_increase (Conv2D) (None, 14, 14, 1024 262144 ['activation_84[0][0]'] 324 ) 325 326 conv4_5_1x1_increase/bn (Batch (None, 14, 14, 1024 4096 ['conv4_5_1x1_increase[0][0]'] 327 Normalization) ) 328 329 add_27 (Add) (None, 14, 14, 1024 0 ['conv4_5_1x1_increase/bn[0][0]', 330 ) 'activation_82[0][0]'] 331 332 activation_85 (Activation) (None, 14, 14, 1024 0 ['add_27[0][0]'] 333 ) 334 335 conv4_6_1x1_reduce (Conv2D) (None, 14, 14, 256) 262144 ['activation_85[0][0]'] 336 337 conv4_6_1x1_reduce/bn (BatchNo (None, 14, 14, 256) 1024 ['conv4_6_1x1_reduce[0][0]'] 338 rmalization) 339 340 activation_86 (Activation) (None, 14, 14, 256) 0 ['conv4_6_1x1_reduce/bn[0][0]'] 341 342 conv4_6_3x3 (Conv2D) (None, 14, 14, 256) 589824 ['activation_86[0][0]'] 343 344 conv4_6_3x3/bn (BatchNormaliza (None, 14, 14, 256) 1024 ['conv4_6_3x3[0][0]'] 345 tion) 346 347 activation_87 (Activation) (None, 14, 14, 256) 0 ['conv4_6_3x3/bn[0][0]'] 348 349 conv4_6_1x1_increase (Conv2D) (None, 14, 14, 1024 262144 ['activation_87[0][0]'] 350 ) 351 352 conv4_6_1x1_increase/bn (Batch (None, 14, 14, 1024 4096 ['conv4_6_1x1_increase[0][0]'] 353 Normalization) ) 354 355 add_28 (Add) (None, 14, 14, 1024 0 ['conv4_6_1x1_increase/bn[0][0]', 356 ) 'activation_85[0][0]'] 357 358 activation_88 (Activation) (None, 14, 14, 1024 0 ['add_28[0][0]'] 359 ) 360 361 conv5_1_1x1_reduce (Conv2D) (None, 7, 7, 512) 524288 ['activation_88[0][0]'] 362 363 conv5_1_1x1_reduce/bn (BatchNo (None, 7, 7, 512) 2048 ['conv5_1_1x1_reduce[0][0]'] 364 rmalization) 365 366 activation_89 (Activation) (None, 7, 7, 512) 0 ['conv5_1_1x1_reduce/bn[0][0]'] 367 368 conv5_1_3x3 (Conv2D) (None, 7, 7, 512) 2359296 ['activation_89[0][0]'] 369 370 conv5_1_3x3/bn (BatchNormaliza (None, 7, 7, 512) 2048 ['conv5_1_3x3[0][0]'] 371 tion) 372 373 activation_90 (Activation) (None, 7, 7, 512) 0 ['conv5_1_3x3/bn[0][0]'] 374 375 conv5_1_1x1_increase (Conv2D) (None, 7, 7, 2048) 1048576 ['activation_90[0][0]'] 376 377 conv5_1_1x1_proj (Conv2D) (None, 7, 7, 2048) 2097152 ['activation_88[0][0]'] 378 379 conv5_1_1x1_increase/bn (Batch (None, 7, 7, 2048) 8192 ['conv5_1_1x1_increase[0][0]'] 380 Normalization) 381 382 conv5_1_1x1_proj/bn (BatchNorm (None, 7, 7, 2048) 8192 ['conv5_1_1x1_proj[0][0]'] 383 alization) 384 385 add_29 (Add) (None, 7, 7, 2048) 0 ['conv5_1_1x1_increase/bn[0][0]', 386 'conv5_1_1x1_proj/bn[0][0]'] 387 388 activation_91 (Activation) (None, 7, 7, 2048) 0 ['add_29[0][0]'] 389 390 conv5_2_1x1_reduce (Conv2D) (None, 7, 7, 512) 1048576 ['activation_91[0][0]'] 391 392 conv5_2_1x1_reduce/bn (BatchNo (None, 7, 7, 512) 2048 ['conv5_2_1x1_reduce[0][0]'] 393 rmalization) 394 395 activation_92 (Activation) (None, 7, 7, 512) 0 ['conv5_2_1x1_reduce/bn[0][0]'] 396 397 conv5_2_3x3 (Conv2D) (None, 7, 7, 512) 2359296 ['activation_92[0][0]'] 398 399 conv5_2_3x3/bn (BatchNormaliza (None, 7, 7, 512) 2048 ['conv5_2_3x3[0][0]'] 400 tion) 401 402 activation_93 (Activation) (None, 7, 7, 512) 0 ['conv5_2_3x3/bn[0][0]'] 403 404 conv5_2_1x1_increase (Conv2D) (None, 7, 7, 2048) 1048576 ['activation_93[0][0]'] 405 406 conv5_2_1x1_increase/bn (Batch (None, 7, 7, 2048) 8192 ['conv5_2_1x1_increase[0][0]'] 407 Normalization) 408 409 add_30 (Add) (None, 7, 7, 2048) 0 ['conv5_2_1x1_increase/bn[0][0]', 410 'activation_91[0][0]'] 411 412 activation_94 (Activation) (None, 7, 7, 2048) 0 ['add_30[0][0]'] 413 414 conv5_3_1x1_reduce (Conv2D) (None, 7, 7, 512) 1048576 ['activation_94[0][0]'] 415 416 conv5_3_1x1_reduce/bn (BatchNo (None, 7, 7, 512) 2048 ['conv5_3_1x1_reduce[0][0]'] 417 rmalization) 418 419 activation_95 (Activation) (None, 7, 7, 512) 0 ['conv5_3_1x1_reduce/bn[0][0]'] 420 421 conv5_3_3x3 (Conv2D) (None, 7, 7, 512) 2359296 ['activation_95[0][0]'] 422 423 conv5_3_3x3/bn (BatchNormaliza (None, 7, 7, 512) 2048 ['conv5_3_3x3[0][0]'] 424 tion) 425 426 activation_96 (Activation) (None, 7, 7, 512) 0 ['conv5_3_3x3/bn[0][0]'] 427 428 conv5_3_1x1_increase (Conv2D) (None, 7, 7, 2048) 1048576 ['activation_96[0][0]'] 429 430 conv5_3_1x1_increase/bn (Batch (None, 7, 7, 2048) 8192 ['conv5_3_1x1_increase[0][0]'] 431 Normalization) 432 433 add_31 (Add) (None, 7, 7, 2048) 0 ['conv5_3_1x1_increase/bn[0][0]', 434 'activation_94[0][0]'] 435 436 activation_97 (Activation) (None, 7, 7, 2048) 0 ['add_31[0][0]'] 437 438 avg_pool (AveragePooling2D) (None, 1, 1, 2048) 0 ['activation_97[0][0]'] 439 440 global_average_pooling2d_1 (Gl (None, 2048) 0 ['avg_pool[0][0]'] 441 obalAveragePooling2D) 442 443 gaussian_noise_1 (GaussianNois (None, 2048) 0 ['global_average_pooling2d_1[0][0 444 e) ]'] 445 446 dense_x (Dense) (None, 512) 1049088 ['gaussian_noise_1[0][0]'] 447 448 dropout_1 (Dropout) (None, 512) 0 ['dense_x[0][0]'] 449 450 dense_1 (Dense) (None, 7) 3591 ['dropout_1[0][0]'] 451 452================================================================================================== 453Total params: 24,613,831 454Trainable params: 24,560,711 455Non-trainable params: 53,120 456__________________________________________________________________________________________________ 457--- Время выполнения: 2.222 сек. --- 458 459True
Ошибка – 1 –
In [2]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4video.load_video_model_deep_fe( 5 show_summary = 1, out = True, 6 runtime = True, run = True 7)
[2]:1[2022-11-01 12:21:23] Неверные типы или значения аргументов в "Video.load_video_model_deep_fe" ... 2 3False
- load_video_model_hc(lang: str, show_summary: bool = False, out: bool = True, runtime: bool = True, run: bool = True) bool [исходный код]
Формирование нейросетевой архитектуры модели для получения оценок по экспертным признакам
- Параметры
lang (str) – Язык
show_summary (bool) – Отображение сформированной нейросетевой архитектуры модели
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения
- Результат
True если нейросетевая архитектура модели сформирована, в обратном случае False
- Тип результата
bool
Примеры
Верно – 1 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4video.load_video_model_hc( 5 show_summary = False, out = True, 6 runtime = True, run = True 7)
[1]:1[2022-10-25 16:37:43] Формирование нейросетевой архитектуры модели для получения оценок по экспертным признакам (видео модальность) ... 2 3--- Время выполнения: 0.659 сек. --- 4 5True
Ошибка – 1 –
In [2]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4video.load_video_model_hc( 5 show_summary = 1, out = True, 6 runtime = True, run = True 7)
[2]:1[2022-10-26 12:27:41] Неверные типы или значения аргументов в "Video.load_video_model_hc" ... 2 3False
- load_video_model_nn(show_summary: bool = False, out: bool = True, runtime: bool = True, run: bool = True) bool [исходный код]
Формирование нейросетевой архитектуры для получения оценок по нейросетевым признакам
- Параметры
show_summary (bool) – Отображение сформированной нейросетевой архитектуры модели
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения
- Результат
True если нейросетевая архитектура модели сформирована, в обратном случае False
- Тип результата
bool
Примеры
Верно – 1 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4video.load_video_model_nn( 5 show_summary = True, out = True, 6 runtime = True, run = True 7)
[1]:1[2022-10-27 14:46:11] Формирование нейросетевой архитектуры для получения оценок по нейросетевым признакам (видео модальность) ... 2 3Model: "model" 4_________________________________________________________________ 5 Layer (type) Output Shape Param # 6================================================================= 7 input_1 (InputLayer) [(None, 10, 512)] 0 8 9 lstm (LSTM) (None, 1024) 6295552 10 11 dropout (Dropout) (None, 1024) 0 12 13 dense (Dense) (None, 5) 5125 14 15 activation (Activation) (None, 5) 0 16 17================================================================= 18Total params: 6,300,677 19Trainable params: 6,300,677 20Non-trainable params: 0 21_________________________________________________________________ 22--- Время выполнения: 2.018 сек. --- 23 24True
Ошибка – 1 –
In [2]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4video.load_video_model_nn( 5 show_summary = 1, out = True, 6 runtime = True, run = True 7)
[2]:1[2022-10-27 14:47:22] Неверные типы или значения аргументов в "Video.load_video_model_nn" ... 2 3False
- load_video_model_weights_deep_fe(url: str, force_reload: bool = True, out: bool = True, runtime: bool = True, run: bool = True) bool [исходный код]
Загрузка весов нейросетевой модели для получения нейросетевых признаков
- Параметры
url (str) – Полный путь к файлу с весами нейросетевой модели
force_reload (bool) – Принудительная загрузка файла с весами нейросетевой модели из сети
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения
- Результат
True если веса нейросетевой модели загружены, в обратном случае False
- Тип результата
bool
Примеры
Верно – 1 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.load_video_model_deep_fe( 6 show_summary = False, out = True, 7 runtime = True, run = True 8)
[1]:1[2022-11-01 12:41:59] Формирование нейросетевой архитектуры для получения нейросетевых признаков (видео модальность) ... 2 3--- Время выполнения: 1.306 сек. --- 4 5True
In [2]:1video.path_to_save_ = './models' 2video.chunk_size_ = 2000000 3 4url = video.weights_for_big5_['video']['fe']['sberdisk'] 5 6video.load_video_model_weights_deep_fe( 7 url = url, 8 force_reload = True, 9 out = True, 10 runtime = True, 11 run = True 12)
[2]:1[2022-11-01 12:42:51] Загрузка весов нейросетевой модели для получения нейросетевых признаков (видео модальность) ... 2 3[2022-11-01 12:43:06] Загрузка файла "weights_2022-11-01_12-27-07.h5" (100.0%) ... 4 5--- Время выполнения: 14.781 сек. --- 6 7True
Ошибка – 1 –
In [3]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.path_to_save_ = './models' 6video.chunk_size_ = 2000000 7 8url = video.weights_for_big5_['video']['fe']['sberdisk'] 9 10video.load_video_model_weights_deep_fe( 11 url = url, 12 force_reload = True, 13 out = True, 14 runtime = True, 15 run = True 16)
[3]:1[2022-11-01 12:44:14] Загрузка весов нейросетевой модели для получения нейросетевых признаков (видео модальность) ... 2 3[2022-11-01 12:44:28] Загрузка файла "weights_2022-11-01_12-27-07.h5" (100.0%) ... 4 5[2022-11-01 12:44:28] Ой! Что-то пошло не так ... нейросетевая архитектура модели для получения нейросетевых признаков не сформирована (видео модальность) ... 6 7--- Время выполнения: 13.926 сек. --- 8 9False
- load_video_model_weights_hc(url: str, force_reload: bool = True, out: bool = True, runtime: bool = True, run: bool = True) bool [исходный код]
Загрузка весов нейросетевой модели для получения оценок по экспертным признакам
- Параметры
url (str) – Полный путь к файлу с весами нейросетевой модели
force_reload (bool) – Принудительная загрузка файла с весами нейросетевой модели из сети
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения
- Результат
True если веса нейросетевой модели загружены, в обратном случае False
- Тип результата
bool
Примеры
Верно – 1 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.load_video_model_hc( 6 show_summary = False, out = True, 7 runtime = True, run = True 8)
[1]:1[2022-10-27 12:55:31] Формирование нейросетевой архитектуры модели для получения оценок по экспертным признакам (видео модальность) ... 2 3--- Время выполнения: 0.606 сек. --- 4 5True
In [2]:1video.path_to_save_ = './models' 2video.chunk_size_ = 2000000 3 4url = video.weights_for_big5_['video']['hc']['sberdisk'] 5 6video.load_video_model_weights_hc( 7 url = url, 8 force_reload = True, 9 out = True, 10 runtime = True, 11 run = True 12)
[2]:1[2022-10-27 13:08:04] Загрузка весов нейросетевой модели для получения оценок по экспертным признакам (видео модальность) ... 2 3[2022-10-27 13:08:05] Загрузка файла "weights_2022-08-27_18-53-35.h5" (100.0%) ... 4 5--- Время выполнения: 0.493 сек. --- 6 7True
Ошибка – 1 –
In [3]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.path_to_save_ = './models' 6video.chunk_size_ = 2000000 7 8url = video.weights_for_big5_['video']['hc']['sberdisk'] 9 10video.load_video_model_weights_hc( 11 url = url, 12 force_reload = True, 13 out = True, 14 runtime = True, 15 run = True 16)
[3]:1[2022-10-27 13:09:54] Загрузка весов нейросетевой модели для получения оценок по экспертным признакам (видео модальность) ... 2 3[2022-10-27 13:09:54] Загрузка файла "weights_2022-08-27_18-53-35.h5" (100.0%) ... 4 5[2022-10-27 13:09:54] Ой! Что-то пошло не так ... нейросетевая архитектура модели для получения оценок по экспертным признакам не сформирована (видео модальность) ... 6 7--- Время выполнения: 0.424 сек. --- 8 9False
- load_video_model_weights_nn(url: str, force_reload: bool = True, out: bool = True, runtime: bool = True, run: bool = True) bool [исходный код]
Загрузка весов нейросетевой модели для получения оценок по нейросетевым признакам
- Параметры
url (str) – Полный путь к файлу с весами нейросетевой модели
force_reload (bool) – Принудительная загрузка файла с весами нейросетевой модели из сети
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения
- Результат
True если веса нейросетевой модели загружены, в обратном случае False
- Тип результата
bool
Примеры
Верно – 1 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.load_video_model_nn( 6 show_summary = False, out = True, 7 runtime = True, run = True 8)
[1]:1[2022-10-27 15:17:13] Формирование нейросетевой архитектуры для получения оценок по нейросетевым признакам (видео модальность) ... 2 3--- Время выполнения: 1.991 сек. --- 4 5True
In [2]:1video.path_to_save_ = './models' 2video.chunk_size_ = 2000000 3 4url = video.weights_for_big5_['video']['nn']['sberdisk'] 5 6video.load_video_model_weights_nn( 7 url = url, 8 force_reload = True, 9 out = True, 10 runtime = True, 11 run = True 12)
[2]:1[2022-10-27 15:19:08] Загрузка весов нейросетевой модели для получения оценок по нейросетевым признакам (видео модальность) ... 2 3[2022-10-27 15:19:11] Загрузка файла "weights_2022-03-22_16-31-48.h5" (100.0%) ... 4 5--- Время выполнения: 3.423 сек. --- 6 7True
Ошибка – 1 –
In [3]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.path_to_save_ = './models' 6video.chunk_size_ = 2000000 7 8url = video.weights_for_big5_['video']['nn']['sberdisk'] 9 10video.load_video_model_weights_nn( 11 url = url, 12 force_reload = True, 13 out = True, 14 runtime = True, 15 run = True 16)
[3]:1[2022-10-27 15:19:40] Загрузка весов нейросетевой модели для получения оценок по нейросетевым признакам (видео модальность) ... 2 3[2022-10-27 15:19:43] Загрузка файла "weights_2022-03-22_16-31-48.h5" (100.0%) ... 4 5[2022-10-27 15:19:43] Ой! Что-то пошло не так ... нейросетевая архитектура модели для получения оценок по нейросетевым признакам не сформирована (видео модальность) ... 6 7--- Время выполнения: 3.469 сек. --- 8 9False
- load_video_models_b5(show_summary: bool = False, out: bool = True, runtime: bool = True, run: bool = True) bool [исходный код]
Формирование нейросетевых архитектур моделей для получения результатов оценки персональных качеств
- Параметры
show_summary (bool) – Отображение последней сформированной нейросетевой архитектуры моделей
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения
- Результат
True если нейросетевые архитектуры модели сформированы, в обратном случае False
- Тип результата
bool
Примеры
Верно – 1 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4video.load_video_models_b5( 5 show_summary = True, out = True, 6 runtime = True, run = True 7)
[1]:1[2022-11-04 15:29:26] Формирование нейросетевых архитектур моделей для получения результатов оценки персональных качеств (видео модальность) ... 2 3Model: "model_4" 4_________________________________________________________________ 5 Layer (type) Output Shape Param # 6================================================================= 7 input_1 (InputLayer) [(None, 32)] 0 8 9 dense_1 (Dense) (None, 1) 33 10 11 activ_1 (Activation) (None, 1) 0 12 13================================================================= 14Total params: 33 15Trainable params: 33 16Non-trainable params: 0 17_________________________________________________________________ 18--- Время выполнения: 0.116 сек. --- 19 20True
Ошибка – 1 –
In [2]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4video.load_video_models_b5( 5 show_summary = 1, out = True, 6 runtime = True, run = True 7)
[2]:1[2022-11-04 15:30:15] Неверные типы или значения аргументов в "Video.load_video_models_b5" ... 2 3False
- load_video_models_weights_b5(url_openness: str, url_conscientiousness: str, url_extraversion: str, url_agreeableness: str, url_non_neuroticism: str, force_reload: bool = True, out: bool = True, runtime: bool = True, run: bool = True) bool [исходный код]
Загрузка весов нейросетевых моделей для получения результатов оценки персональных качеств
- Параметры
url_openness (str) – Полный путь к файлу с весами нейросетевой модели (открытость опыту)
url_conscientiousness (str) – Полный путь к файлу с весами нейросетевой модели (добросовестность)
url_extraversion (str) – Полный путь к файлу с весами нейросетевой модели (экстраверсия)
url_agreeableness (str) – Полный путь к файлу с весами нейросетевой модели (доброжелательность)
url_non_neuroticism (str) – Полный путь к файлу с весами нейросетевой модели (эмоциональная стабильность)
force_reload (bool) – Принудительная загрузка файлов с весами нейросетевых моделей из сети
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения
- Результат
True если веса нейросетевых моделей загружены, в обратном случае False
- Тип результата
bool
Примеры
Верно – 1 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.load_video_models_b5( 6 show_summary = False, out = True, 7 runtime = True, run = True 8)
[1]:1[2022-11-04 18:56:41] Формирование нейросетевых архитектур моделей для получения результатов оценки персональных качеств (видео модальность) ... 2 3--- Время выполнения: 0.117 сек. --- 4 5True
In [2]:1video.path_to_save_ = './models' 2video.chunk_size_ = 2000000 3 4url_openness = video.weights_for_big5_['video']['b5']['openness']['sberdisk'] 5url_conscientiousness = video.weights_for_big5_['video']['b5']['conscientiousness']['sberdisk'] 6url_extraversion = video.weights_for_big5_['video']['b5']['extraversion']['sberdisk'] 7url_agreeableness = video.weights_for_big5_['video']['b5']['agreeableness']['sberdisk'] 8url_non_neuroticism = video.weights_for_big5_['video']['b5']['non_neuroticism']['sberdisk'] 9 10video.load_video_models_weights_b5( 11 url_openness = url_openness, 12 url_conscientiousness = url_conscientiousness, 13 url_extraversion = url_extraversion, 14 url_agreeableness = url_agreeableness, 15 url_non_neuroticism = url_non_neuroticism, 16 force_reload = True, 17 out = True, 18 runtime = True, 19 run = True 20)
[2]:1[2022-11-04 18:58:59] Загрузка весов нейросетевых моделей для получения результатов оценки персональных качеств (видео модальность) ... 2 3[2022-11-04 18:59:00] Загрузка файла "weights_2022-06-15_16-46-30.h5" (100.0%) ... Открытость опыту 4 5[2022-11-04 18:59:00] Загрузка файла "weights_2022-06-15_16-48-50.h5" (100.0%) ... Добросовестность 6 7[2022-11-04 18:59:00] Загрузка файла "weights_2022-06-15_16-54-06.h5" (100.0%) ... Экстраверсия 8 9[2022-11-04 18:59:01] Загрузка файла "weights_2022-06-15_17-02-03.h5" (100.0%) ... Доброжелательность 10 11[2022-11-04 18:59:01] Загрузка файла "weights_2022-06-15_17-06-15.h5" (100.0%) ... Эмоциональная стабильность 12 13--- Время выполнения: 1.827 сек. --- 14 15True
Ошибка – 1 –
In [3]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.path_to_save_ = './models' 6video.chunk_size_ = 2000000 7 8url_openness = video.weights_for_big5_['video']['b5']['openness']['sberdisk'] 9url_conscientiousness = video.weights_for_big5_['video']['b5']['conscientiousness']['sberdisk'] 10url_extraversion = video.weights_for_big5_['video']['b5']['extraversion']['sberdisk'] 11url_agreeableness = video.weights_for_big5_['video']['b5']['agreeableness']['sberdisk'] 12url_non_neuroticism = video.weights_for_big5_['video']['b5']['non_neuroticism']['sberdisk'] 13 14video.load_video_models_weights_b5( 15 url_openness = url_openness, 16 url_conscientiousness = url_conscientiousness, 17 url_extraversion = url_extraversion, 18 url_agreeableness = url_agreeableness, 19 url_non_neuroticism = url_non_neuroticism, 20 force_reload = True, 21 out = True, 22 runtime = True, 23 run = True 24)
[3]:1[2022-11-04 19:02:32] Загрузка весов нейросетевых моделей для получения результатов оценки персональных качеств (видео модальность) ... 2 3[2022-11-04 19:02:32] Загрузка файла "weights_2022-06-15_16-46-30.h5" (100.0%) ... 4 5[2022-11-04 19:02:32] Ой! Что-то пошло не так ... не удалось загрузить веса нейросетевой модели ... Открытость опыту 6 7 Файл: /Users/dl/GitHub/oceanai/oceanai/modules/lab/video.py 8 Линия: 2833 9 Метод: load_video_models_weights_b5 10 Тип ошибки: AttributeError 11 12[2022-11-04 19:02:32] Загрузка файла "weights_2022-06-15_16-48-50.h5" (100.0%) ... 13 14[2022-11-04 19:02:32] Ой! Что-то пошло не так ... не удалось загрузить веса нейросетевой модели ... Добросовестность 15 16 Файл: /Users/dl/GitHub/oceanai/oceanai/modules/lab/video.py 17 Линия: 2833 18 Метод: load_video_models_weights_b5 19 Тип ошибки: AttributeError 20 21[2022-11-04 19:02:33] Загрузка файла "weights_2022-06-15_16-54-06.h5" (100.0%) ... 22 23[2022-11-04 19:02:33] Ой! Что-то пошло не так ... не удалось загрузить веса нейросетевой модели ... Экстраверсия 24 25 Файл: /Users/dl/GitHub/oceanai/oceanai/modules/lab/video.py 26 Линия: 2833 27 Метод: load_video_models_weights_b5 28 Тип ошибки: AttributeError 29 30[2022-11-04 19:02:33] Загрузка файла "weights_2022-06-15_17-02-03.h5" (100.0%) ... 31 32[2022-11-04 19:02:33] Ой! Что-то пошло не так ... не удалось загрузить веса нейросетевой модели ... Доброжелательность 33 34 Файл: /Users/dl/GitHub/oceanai/oceanai/modules/lab/video.py 35 Линия: 2833 36 Метод: load_video_models_weights_b5 37 Тип ошибки: AttributeError 38 39[2022-11-04 19:02:34] Загрузка файла "weights_2022-06-15_17-06-15.h5" (100.0%) ... 40 41[2022-11-04 19:02:34] Ой! Что-то пошло не так ... не удалось загрузить веса нейросетевой модели ... Эмоциональная стабильность 42 43 Файл: /Users/dl/GitHub/oceanai/oceanai/modules/lab/video.py 44 Линия: 2833 45 Метод: load_video_models_weights_b5 46 Тип ошибки: AttributeError 47 48--- Время выполнения: 1.831 сек. --- 49 50False
- property video_model_deep_fe_: Optional[Model]
Получение нейросетевой модели tf.keras.Model для получения нейросетевых признаков
- Результат
Нейросетевая модель tf.keras.Model или None
- Тип результата
Optional[tf.keras.Model]
Примеры
Верно – 1 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.load_video_model_deep_fe( 6 show_summary = False, out = True, 7 runtime = True, run = True 8) 9 10video.video_model_deep_fe_
[1]:1[2022-11-01 12:12:35] Формирование нейросетевой архитектуры для получения нейросетевых признаков (видео модальность) ... 2 3--- Время выполнения: 1.468 сек. --- 4 5<tf.keras.Model at 0x14e138100>
Ошибка – 1 –
In [2]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.video_model_deep_fe_
[2]:1
- property video_model_hc_: Optional[Model]
Получение нейросетевой модели tf.keras.Model для получения оценок по экспертным признакам
- Результат
Нейросетевая модель tf.keras.Model или None
- Тип результата
Optional[tf.keras.Model]
Примеры
Верно – 1 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.load_video_model_hc( 6 show_summary = False, out = True, 7 runtime = True, run = True 8) 9 10video.video_model_hc_
[1]:1[2022-10-26 12:37:42] Формирование нейросетевой архитектуры модели для получения оценок по экспертным признакам (видео модальность) ... 2 3--- Время выполнения: 1.112 сек. --- 4 5<tf.keras.Model at 0x1434eb1f0>
Ошибка – 1 –
In [2]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.video_model_hc_
[2]:1
- property video_model_nn_: Optional[Model]
Получение нейросетевой модели tf.keras.Model для получения оценок по нейросетевым признакам
- Результат
Нейросетевая модель tf.keras.Model или None
- Тип результата
Optional[tf.keras.Model]
Примеры
Верно – 1 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.load_video_model_nn( 6 show_summary = False, out = True, 7 runtime = True, run = True 8) 9 10video.video_model_nn_
[1]:1[2022-10-27 14:49:00] Формирование нейросетевой архитектуры для получения оценок по нейросетевым признакам (видео модальность) ... 2 3--- Время выполнения: 1.986 сек. --- 4 5<tf.keras.Model at 0x13d5295b0>
Ошибка – 1 –
In [2]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.video_model_nn_
[2]:1
- property video_models_b5_: Dict[str, Optional[Model]]
Получение нейросетевых моделей tf.keras.Model для получения результатов оценки персональных качеств
- Результат
Словарь с нейросетевыми моделями tf.keras.Model
- Тип результата
Dict
Примеры
Верно – 1 –
In [1]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.load_video_models_b5( 6 show_summary = False, out = True, 7 runtime = True, run = True 8) 9 10video.video_models_b5_
[1]:1[2022-10-19 15:45:35] Формирование нейросетевых архитектур моделей для получения результатов оценки персональных качеств ... 2 3--- Время выполнения: 0.07 сек. --- 4 5{ 6 'openness': <tf.keras.Model at 0x1481e03a0>, 7 'conscientiousness': <tf.keras.Model at 0x147d13520>, 8 'extraversion': <tf.keras.Model at 0x1481edfa0>, 9 'agreeableness': <tf.keras.Model at 0x1481cfc40>, 10 'non_neuroticism': <tf.keras.Model at 0x1481cffd0> 11}
Ошибка – 1 –
In [2]:1from oceanai.modules.lab.video import Video 2 3video = Video() 4 5video.video_models_b5_
[2]:1{ 2 'openness': None, 3 'conscientiousness': None, 4 'extraversion': None, 5 'agreeableness': None, 6 'non_neuroticism': None 7}