p32完整的模型验证/demo/测试套路

利用已经训练好的模型，给它提供输入，即该模型已经能对外进行应用

在github中可进行相关搜索
如：pytorch，再选择星数较多的，进行模仿

我们下载一张dog图片
在test.py中尝试调用dog.png
在同一层级，故需要一点，再根据其路径补充

import torch
import torchvision
from PIL import Image
from torch import nn

img_path = './imgs/dog.png'
image = Image.open(img_path)
print(image)

#  png图片是4色通道，除RGB外，还有个透明通道，应调用image = image.convert（’RGB‘）进行保留，
#  若原图片本身仅RGB，则并不会改变。加上此步骤可适应各类格式图片。（由于截图软件原因，可能png图片也仅仅只有三通道）

image =image.convert('RGB')

transform = torchvision.transforms.Compose([torchvision.transforms.Resize((32, 32)),
                                           torchvision.transforms.ToTensor()])
image = transform(image)
print(image.shape)

#  模型加载，因为我们是第一种模型保存方法，故采用第一种加载方法
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
class Lixinyu(nn.Module):
    def __init__(self):
        super(Lixinyu, self).__init__()
        self.model = 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(1024, 64),
            nn.Linear(64, 10)
        )
    def forward(self, x):
        x = self.model(x)
        return x

model = torch.load("lixinyu_epoch9.pth", map_location=torch.device("cuda"))
print(model)

image = torch.reshape(image, [1, 3, 32, 32])

image = image.to(device)
model.eval()
with torch.no_grad():
    output = model(image)
print(output)

print(output.argmax(1))