垃圾分类之上传一张图片进行测试

当网络训练后，就可以导入模型进行测试。

def single_img_predict(model_path,img_path):
    # 加载网络
    model = torch.load(model_path, map_location=lambda storage, loc: storage)
    # print(model)
    transform = transforms.Compose([
        # 这里只对其中的一个通道进行归一化的操作    
         transforms.Resize((224,224)),
         transforms.ToTensor(),
         transforms.Normalize([0.5529,0.55,0.5529], [0.5529,0.50,0.50])])
    """If the unread image is RGBA four-channel the A channel is a transparent channel, and the channel value is temporarily
    not used for deep learning model training,so use convert (‘RGB’) for channel conversion""" 
    img = Image.open(img_path)
    RGB_img = img.convert('RGB')
    img_torch = transform(RGB_img)
    img_torch = img_torch.view(-1, 3, 224, 224)
    # 开始预测
    outputs = model(img_torch)
    _, predicted = torch.max(outputs.data, 1)  #即为索引
    print(predicted)
    print('正在全力预测中.......')
    print("上传的图片的预测结果是:" +names[predicted[0].numpy()])   
    cv2.namedWindow('selected_jpg', cv2.WINDOW_FREERATIO)
    cv2.imshow("selected_jpg", cv2.imread(img_path,1))  #imshow图片显示函数  #imread图片读入函数
    cv2.waitKey(0)  # 键盘绑定函数，参数一般写为0，这样会无限等待键盘的输入，没有返回值。
    cv2.destroyAllWindows()    #是一个可以轻易删除任何我们建立的窗口
model_path='C:\\Users\\1\\net.pkl'
img_path='C:\\Users\\1\\yilaguangray.jpg'
single_img_predict(model_path,img_path)

这里用到了opencv打开一个窗口来读取图片。首先先将图片进行预处理，转为RGB彩图，再利用导入训练好的模型进行预测，这里print(predicted)就是最大值对应的索引，通过列表即可找到对应的标签，opencv的作用已经在代码中注释啦。结果如下图：

 总结：当需要更换要分类识别垃圾图片时只需更换图片的路径即可。img_path='C:\\Users\\1\\spyder\\dataset\\yilaguangray.jpg'