完整的模型验证套路

读取图片

from PIL import Image

img_path = "../Yennefer_of_Vengerberg.jpg"
image = Image.open(img_path)
print(image)

转换成灰度图（可选）

image = image.convert('L')
image.show()

转换成RGB格式

image = image.convert('RGB')

因为png格式是四个通道，除了‘RGB’三个通道外，还有一个透明度通道。
所以，我们调用image = image.convert(‘RGB’)，保留其颜色通道。
当然，如果图片本来就是三个颜色通道，经过此操作，不变。
加上这一步后，可以适应png jpg各种格式的图片。

Resize&ToTensor

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

加载之前的模型，并加以验证

model = torch.load('../GPU/tudui_10.pth')  # GPU训练的
print(model)
image = torch.reshape(image, (1, 3, 32, 32))
if torch.cuda.is_available():
    image = image.cuda()
model.eval()
with torch.no_grad():
    output = model(image)
print(output)
print(output.argmax(1))

注意
1.如果之前是GPU上训练的模型，一定要将图片转成‘GPU’：image = image.cuda()
2.image = torch.reshape(image, (1, 3, 32, 32)) 不要忘了
3.with torch.no_grad()，可以加快验证速度

查看是哪类

没有人类别（叶奈法，巫师）所以换一张deer

ls = ['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truch']
print('class:{}'.format(ls[output.argmax(1)]))

还挺准（CIFAR10只训练到到第十轮，model = torch.load(‘…/GPU/tudui_10.pth’)）
MAYBACH 迈巴赫试试

如果失败：优化函数optim：用Adam，激活函数用relu加到卷积层后面，训练三十轮90%

pytorch系列，暂时完结了:)