resnet分类预测时出现问题

问题描述

一共只有四类样本，分别是0、1、2、3四类，但是预测时预测的class_name是5，也就是说预测为第五类。

---

原因分析：

我在训练时对于训练数据集和验证数据集分别进行了调整大小，切割，标准化等一系列处理，所以导致训练出来的模型在预测时输入的图片也必须做相应的变换。

data_transform = {
        "train": transforms.Compose([transforms.Resize(256),
                                     transforms.RandomResizedCrop(256),
                                     transforms.RandomHorizontalFlip(),
                                     transforms.ToTensor(),
                                     transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
                                     ]),
        "val": transforms.Compose([transforms.Resize(256),
                                   transforms.CenterCrop(256),
                                   transforms.ToTensor(),
                                   transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])])}

---

解决方案：

在对图片进行单张预测时，必须在图片进入网络前完成必要的图片变换。

data_transform = transforms.Compose([
        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
    ])
image = Image.open('/media/totem_new/totem/Breast_Pathology/patch_mask_512/TCGA_cls/datasets/center_6_2_2/validation/LumB/' + filename)
image = image.convert("RGB")#图片转为RGB
image = letterbox_image(image, [224, 224], True)#图片大小变为224，224
image = np.array(image)#转为np数组
image = torch.tensor(image)#将数组转为tensor类型
image = image.float()#数组元素类型变为float
image /= 255#将0-255映射到0-1
image = image.permute(2, 1, 0)#将[224,224,3]调整为[3，224，224]
image = data_transform(image)#将图片和训练图片一样做normalize变化
image = torch.tensor(np.expand_dims(image, axis=0))#变成四维[1,3,224,224]
outputs = model(image.to(device))#放到gpu的模型中进行预测
_, predicted = torch.max(outputs, 1)#将预测结果转为类别结果
predicted = predicted.cpu()
class_name = predicted.item()