P18 完整的模型验证套路

---

前言

利用已经训练好的模型，给它提供输入进行测试，能够对外进行应用

---

一、打开一张PIL类型的图片

image_path = "images/onepiece.png"
image = Image.open(image_path)
print(image)

二、调整图片

1.尺寸格式调整

可见图片尺寸为1920992，但模型要求输入图片尺寸为3232的totensor类型
因此要对图片进行尺寸变化，尺寸变化之后要将PIL类型转化为totensor类型

transform = torchvision.transforms.Compose([torchvision.transforms.Resize((32, 32)),
                                           torchvision.transforms.ToTensor()])
image = transform(image)  # 应用 transform

注意复习compose

2.mode调整

因为png图片是四通道类型，除了RGB三通道外，还有一个透明度的通道，因此要调用image = image.convert(‘RGB’)，保留颜色通道

调整完后：

三、加载网络模型

1.加载方法及陷阱

之前采用第一种保存方式torch.save保存的，应采用torch.load加载

model = torch.load("tudui_0.pth")

注意之前提到过的方法一的陷阱，加载前要把网络模型复制到该文件
输出结果：

2.报错和解决办法

这时图片在经过网络模型时出现格式不匹配，少一位因为没有指定batch_size

解决办法：

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

输出：

注意output表示了该图片分别对应十种类别的概率大小

四、完整代码

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

image_path = "images/onepiece.png"
image = Image.open(image_path)
print(image)
image = image.convert('RGB')
# 图像大小，只能是模型中的32，32，然后转为 totensor 数据类型
transform = torchvision.transforms.Compose([torchvision.transforms.Resize((32, 32)),
                                            torchvision.transforms.ToTensor()])
image = transform(image)  # 应用 transform
print(image.shape)  # 打印图像大小


#加载网络模型
class Tudui(nn.Module):
    def __init__(self):
        super(Tudui, 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(64 * 4 * 4, 64),
            nn.Linear(64, 10)
        )

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

model = torch.load("tudui_0.pth")  # 加载训练模型
print(model)

image = torch.reshape(image, (1, 3, 32, 32))
model.eval()
with torch.no_grad():  # 这步可以节约内存，提高性能
    output = model(image)
print(output)
print(output.argmax(1))