手写数字识别 python pytorch 二 之手写数字预测

手写数字识别 python pytorch 二 之手写数字预测

上一篇： 手写数字识别 python pytorch 一 之手写数字预测
直接在上一篇代码下复制或书写
本片和上一篇代码直接复制即可运行
注意
手写数字必须在图片中间，预测效果才好
预处理手写数字函数：
imread（）

def shouxiefix(path_tu):
    #path_tu = 'D:\\002.png'
    #这个函数可以看我这篇文章的详细介绍 ref  https://blog.csdn.net/weixin_44021118/article/details/107769561)
    img = cv2.imread(path_tu,0)#  蓝95 绿200 红147通道数(-1)   数组    高 宽 通道459 362 3
    
    img = cv2.resize(img,(28,28))
    """cv2.imshow('img',img)#查看读入图片

    cv2.waitKey(0)#按任意键继续
    cv2.destroyAllWindows()#关闭图片窗口"""
    #gao=img.shape[0]
    #kuan=img.shape[1]
    gao=28#指定
    kuan=28#
    img=cv2.resize(img,(kuan,gao))#看图片上的 kuan gao
    #tongdao=img.shape[2]
    img = img.astype(np.float32)
    #进行归一化
    if img[1][1]>100:#如果是白底黑字 转成黑底白字 并进行归一化
        for i in range(gao):#tensor 蓝95 绿200  红  147 ->红 绿 蓝
              for j in range(kuan):
                  if img[i][j]<100:
                      img[i][j] = 0.95
                  else:
                      img[i][j] = -1
    else:#否者 进行归一化
        for i in range(gao):#tensor 蓝95 绿200  红  147 ->红 绿 蓝
            for j in range(kuan):
                if img[i][j]>100:
                    img[i][j]=0.95
                else:
                     img[i][j]=-1
    """cv2.imshow('img2',img)#查看归一化后的图片
    cv2.waitKey(0)#按任意键继续
    cv2.destroyAllWindows()"""

    torch_img = torch.from_numpy(img)#将ndarray 数组转成Tensor
    torch_img = torch .squeeze(torch_img)#函数可以删除数组形状中的单维度条目
    torch_img = torch_img.unsqueeze(0)#给第0维添加一个维度变为三维
    torch_img = torch_img.unsqueeze(0)#给第0维添加一个维度变为四维
    torch_img=torch_img.float()#将unit8类型转为float32
    return torch_img

读取模型

model.conv1.load_state_dict(torch.load('model.pkl')['conv1'])
model.dense.load_state_dict(torch.load('model.pkl')['dense'])

测试代码

#验证单个图片
#输入 使用cpu预测

#model = model.cpu()
x_test=shouxiefix(path_tu= '006.png')#图片地址'006.png' 和这个文件一个文件夹
#x_test = x_test.cpu()
x_test = Variable(x_test)#将Tensor 转为 模型输入类型
y_pred = model(x_test.data)
_, pred = torch.max(y_pred,1)
#print(y_pred)
print(int(pred[0]))

输出预测结果
6
输入图片