【PyTorch笔记】pytorch入门教程16 用模型进行test

import torchvision.transforms
from PIL import Image
from model import *
image_path = 'data/train/ants_image/5650366_e22b7e1065.jpg'
image = Image.open(image_path)
print(image)
# image = image.convert('RGB')
# 上面是用于png图片的，png有四个通道，多一个透明度通道，要转换成RGB三通道
transform = torchvision.transforms.Compose([torchvision.transforms.Resize((32,32)),torchvision.transforms.ToTensor()])
#resize接受/返回tensor/PIL格式 因为我们刚才建的模型要求输入是32*32的，所以这里要resize一下
image = transform(image)
print(image.shape)

tudui = Tudui()
model = torch.load('tudui_0.pth')
# 如果加载的是gpu模型，model = torch.load('tudui_0.pth',torch.device('cpu'))
# print(model)
image = torch.reshape(image,(1,3,32,32))
model.eval()
with torch.no_grad():
    output = model(image)
print(output)
print(output.argmax(1))
# 在train.py的test_data那一行设置断点，进行debug，然后从variables-train_data-class_to_idx能查看10个label分别是什么