Prodigy与PyTorch实现图像标注工作流

Prodigy 是一款现代化的标注工具，用于收集机器学习模型的训练数据。本文将展示如何使用 Prodigy 在 Python 中编写完全自定义的标注工作流，如何接入自己的机器学习模型，以及如何针对特定用例混合搭配不同界面。具体操作包括：创建一个图像描述数据集，使用基于 PyTorch 实现的图像描述模型来生成建议描述，并进行错误分析，以找出模型的正确预测和需要改进之处。

分步指南

1. 01:59– 创建手动图像标注的 recipe
2. 13:26– 接入基于 PyTorch 实现的图像描述模型并修正其输出
3. 19:41– 添加回调函数以统计修改过的描述并输出结果
4. 26:33– 添加用于错误分析和审核标注的工作流

相关资源

• Prodigy 官网与文档：https://prodi.gy
• 在线演示：https://prodi.gy/demo
• 自定义 recipes 文档：https://prodi.gy/docs/custom-recipes
• 论坛：https://support.prodi.gy
• Recipe 脚本代码库：https://github.com/explosion/prodigy-…
• 本教程代码：https://github.com/explosion/prodigy-…
• PyTorch 教程与模型：https://github.com/yunjey/pytorch-tut…
• 图像数据集：https://www.kaggle.com/alessiocorrado…FINISHED
  更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
  对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）