小土堆Pytorch笔记P32、33

编程基础很弱，需要机器学习，学习记录，按自己理解写的，希望以后能学懂吧，要是有大神看到还请赐教。

完整的模型验证套路

完整的模型验证（测试，demo）套路-利用已经训练好的模型，然后给它提供输入。

import torch
import torchvision.transforms
from PIL import Image
from torch import nn

img_path = "./test/dog.png"
# 读取图片
img = Image.open(img_path)
print(img)
# png图片格式四通道
img = img.convert('RGB')
transform = torchvision.transforms.Compose([
    torchvision.transforms.Resize((32, 32)),
    torchvision.transforms.ToTensor()
])
img = transform(img)
print(img.shape)


# img= img.reshape(())
class Tudui(nn.Module):
    def __init__(self):
        super(Tudui, self).__init__()
        self.model1 = nn.Sequential(
            nn.Conv2d(3, 32, 5, 1, 2),
            nn.MaxPool2d(2),
            nn.Conv2d(32, 32, 5, 1, 2),
            nn.MaxPool2d(2),
            nn.Conv2d(32, 64, 5, 1, 2),
            nn.MaxPool2d(2),
            nn.Flatten(),
            nn.Linear(64 * 4 * 4, 64),
            nn.Linear(64, 10)
        )

    def forward(self, x):
        x = self.model1(x)
        return x


model = torch.load("tudui_50.pth")
print(model)
img = torch.reshape(img, (1, 3, 32, 32))

# 将img输入到模型当中
#良好习惯
model.eval()
with torch.no_grad():
    output = model(img)
print(output)
print(output.argmax(1))

会发现报错，报错内容如下：

RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same or input should be a MKLDNN tensor and weight is a dense tensor

原因：

模型是在GPU中训练的，然后这里的代码读取的tensor需要将其放入GPU中进行计算。

解决方法：

将读取的图片放入GPU中，在代码中添加如下：

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
img=img.to(device)

最后一P看不懂我裂开了