如何使用Pytorch中保存的模型来预测从未见过的图像的标签？
使用PyTorch中保存的模型来预测从未见过的图像的标签的步骤如下：
- 导入必要的库和模块：
import torch
import torchvision.transforms as transforms
from PIL import Image- 加载保存的模型：
model = torch.load('model.pth')注意：如果模型是在GPU上训练的，需要使用torch.load('model.pth', map_location='cuda:0')将模型加载到CPU上。
- 预处理图像：
transform = transforms.Compose([
transforms.Resize((224, 224)),
transforms.ToTensor(),
transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])
image = Image.open('image.jpg')
image = transform(image)
image = image.unsqueeze(0)这里假设图像的路径为'image.jpg'，并且模型要求输入的图像大小为224x224。
- 使用模型进行预测：
output = model(image)
_, predicted = torch.max(output, 1)这里假设模型的输出是一个包含类别概率的张量，使用torch.max函数找到概率最大的类别。
- 获取预测结果：
labels = ['class1', 'class2', 'class3'] # 替换为模型训练时使用的类别标签
predicted_label = labels[predicted.item()]
print(predicted_label)将模型训练时使用的类别标签替换为实际的类别标签，并输出预测结果。
以上是使用PyTorch中保存的模型来预测从未见过的图像的标签的基本步骤。在实际应用中，还可以根据具体需求进行优化和扩展，例如使用GPU加速推理过程、使用数据增强技术提升模型的鲁棒性等。
相关·内容
3回答
当在Windows上使用带PyTorch的CUDA时，图形处理器使用率显示为零
windows、pytorch、gpu
我有pytorch脚本。 import torch
torch.cuda.is_available()
# True
device=torch.device('cuda:0')
# I moved my tensors to device 但是当pytorch脚本运行时，Windows任务管理器显示零GPU (NVIDIA GTX 1050TI)使用率我的脚本速度很好，如果我将torch.device改为GPU，速度会变慢，因此cuda (GPU)正在工作。为什么Windows任务管理器不显示GPU使用情况？ 我的代码示例： device=torch.device(&
浏览 87提问于2020-04-30得票数 3
回答已采纳
2回答
加载训练好的模型进行单幅图像预测
python-3.x、machine-learning、pytorch、multiclass-classification
我已经训练了一个关于英特尔图像多类分类任务的ResNet50模型。任务是尝试预测图像，无论是建筑物、街道还是冰川等。该模型经过成功的训练，能够进行预测。我已经保存了模型，并尝试在新图像上使用保存的模型。这是关于训练的代码
import os
import torch
import tarfile
import torchvision
import torch.nn as nn
from PIL import Image
import matplotlib.pyplot as plt
import torch.nn.functional as F
from torchvision import
浏览 6提问于2021-07-17得票数 0
1回答
用torch.transforms和OpenCV对输入图像预处理后分类模型输出的差异
deep-learning、pytorch、opencv-python、multiclass-classification、pytorch-dataloader
我在PyTorch中优化了一个resnet50分类模型。在训练中，火炬。变换用于图像的预处理。当我在OpenCV中使用相同的预处理执行推理时，我不会得到相同的输出。请帮我找出问题所在。 Torch.transforms预处理： transform = transforms.Compose(
[
transforms.Resize((224, 224)),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
浏览 191提问于2021-08-13得票数 0
1回答
如何在Pytorch中获取自定义数据集的class_to_idx映射
python-3.x、image-processing、computer-vision、pytorch
我正在尝试使用CNN (vgg19)在Oxford102类别数据集上进行迁移学习，该数据集包含从1到102的8189个花样。我决定使用下面的自定义数据集类加载数据，而不是使用ImageFolder加载数据，这需要一个繁琐的过程将数据组织到train、valid和test文件夹中，每个类都是保存图像的子文件夹 https://pytorch.org/tutorials/beginner/data_loading_tutorial.html 我为我的项目编写的代码的子集 data_dir_path = 'data/images/'
labels_path = &#
浏览 1374提问于2019-02-17得票数 0
1回答
ImageNet 2012数据集Pytorch模型中预训练Alexnet的低验证分数
pytorch、imagenet
我正在使用预先训练的AlexNet网络来验证一些先前的工作.
守则如下：
import os
import torch
import torchvision
import torchvision.datasets as datasets
import torchvision.models as models
import torchvision.transforms as transforms
model = torch.hub.load('pytorch/vision:v0.6.0', 'alexnet', pretrained=True)
model.
浏览 0提问于2020-09-10得票数 1
回答已采纳
1回答
PyTorch中预训练图像分类器的图像处理问题
python、pytorch
我试图在PyTorch中使用一个流行的预训练的VGG模型来进行图像分类，但在大多数程序中，我注意到图像的大小被调整为256，并将其裁剪为224用于图像的预处理。我很好奇为什么我们要先把它调整到256，然后再裁剪，而不是直接把它调整到224。
transforms = transforms.Compose([transforms.Resize(256),
transforms.CenterCrop(224),
transforms.ToTensor(),
浏览 20提问于2020-03-05得票数 2
回答已采纳
6回答
PyTorch中的数据增强
python、image-processing、dataset、pytorch、data-augmentation
我对在PyTorch中执行的数据增强感到有点困惑。现在，据我所知，当我们执行数据增强时，我们保留原始数据集，然后添加其他版本的数据集(翻转，Cropping...etc)。但这似乎不像发生在PyTorch。据我从参考资料中了解到，当我们在data.transforms中使用PyTorch时，它会逐一应用它们。例如：
data_transforms = {
'train': transforms.Compose([
transforms.RandomResizedCrop(224),
transforms.RandomHorizontalF
浏览 2提问于2018-08-03得票数 81
回答已采纳
5回答
PyTorch迁移学习教程的混淆矩阵与测试精度
python、scikit-learn、pytorch、confusion-matrix、transfer-learning
在毕火炬传递学习教程之后，我对只报告训练和测试的准确性以及混淆矩阵(例如使用sklearn混淆矩阵)感兴趣。我怎么能这么做？目前的教程只报告train/val的准确性，我很难弄清楚如何在那里合并sklearn混淆矩阵代码。链接到原始教程：
%matplotlib inline
from graphviz import Digraph
import torch
from torch.autograd import Variable
# Author: Sasank Chilamkurthy
from __future__ import print_function, division
imp
浏览 1提问于2018-11-13得票数 14
回答已采纳
1回答
二进制DenseNet 121分类器仅预测概率大于0.5的阳性
deep-learning、neural-network、pytorch、classification、conv-neural-network
我借用了这个github回购系统的代码来训练一个DenseNet-121 。
github代码用于CheXpert胸部X射线数据集的14类分类.我已经把它修改成二进制分类了。
# initialize and load the model
pathModel = "/ds2/images/model_ones_2epoch_densenet.tar"#"m-epoch0-07032019-213933.pth.tar"
我初始化了14类模型，以便使用预先训练过的权重：
model = DenseNet121(nnClassCount).cuda()
model
浏览 0提问于2020-04-18得票数 1
回答已采纳
1回答
在pytorch中使用CNN对新图像进行预测
python、pytorch、image-classification
我是pytorch的新手，在这个问题上我已经被困了一段时间。我训练了一个CNN来分类X光图像。这些图片可以在这个Kaggle页面中找到。我设法在训练和测试数据上都获得了很好的准确性，但当我试图对新图像进行预测时，我得到的每一张图像都是相同的(错误的类)输出。这是我的详细模型。
import os
import matplotlib.pyplot as plt
import numpy as np
import torch
import glob
import torch.nn.functional as F
import torch.nn as nn
from torchvision
浏览 12提问于2021-07-04得票数 0
1回答
火炬图像识别中的问题
python、neural-network、pytorch、torchvision、dataloader
我在深度学习方面是个新手，我正在学习如何使用pytorch正确地运行神经网络。目前，我正试图使用以下代码读取图像数据集：
from torch.utils.data import Dataset, DataLoader
from torchvision import datasets, transforms
from torchvision import transforms, utils
transformations = transforms.Compose([
transforms.Resize(255),
transforms.CenterCrop(224),
浏览 2提问于2021-01-08得票数 1
1回答
基于原始图像输入的AWS自定义PyTorch模型推理
image、pytorch、amazon-sagemaker、inference
我是新来的预言家。我在本地有定制的CV PyTorch模型，并将其部署到Sagemaker端点。我使用自定义inference.py代码来定义model_fn、input_fn、output_fn和predict_fn方法。因此，我能够生成对json输入的预测，其中包含图像的url，代码是非常曲折的：
def input_fn(request_body, content_type='application/json'):
logging.info('Deserializing the input data...')
image_transfo
浏览 6提问于2021-05-20得票数 1
1回答
Pytorch没有使用GPU。在Fastai上工作
pytorch
我的图形处理器Nvidia gtx1050 Ti 我正在尝试在GPU上训练它，但在训练期间我只看到CPU利用率60-90%，GPU大约5%，这可能是由于张量复制到GPU，我不知道。但它只是上升了5%，然后又下降了。 根据一些在线解决方案，我尝试将批处理大小增加到64或128，但它只是给出了Cuda out memory错误。我使用了4 4gb中的2.3 4gb，说需要120MB，而只有110MB。-我现在甚至不明白它是如何工作的 然后尝试将批处理大小减少到16，然后还得到Cuda out out memory错误，显示需要40 MB，并有16mb相同的2.3 GB已使用，共4 GB 最终实现
浏览 22提问于2019-08-25得票数 0
1回答
找不到路径目录
python、dataloader、image-preprocessing
用于图像分割的简单dataLoader。我很难从我的计算机文件中删除数据集。
import torchvision
import torch
import torchvision.transforms as transforms
import numpy as np
import matplotlib.pyplot as plt
import os, os.path
train_dataset_path = '/Users/NAME/Desktop/dataset/train_images' >the path
test_dataset_path = '/U
浏览 0提问于2021-10-25得票数 0
1回答
如何在GPU上运行预先训练好的pytorch模型？
pytorch
在这里，我尝试使用mobilenetv2 mobile在自定义数据集上进行训练。我可以让它在CPU上工作，但我更喜欢在GPU上运行它。取而代之的是，我得到了如下错误： RuntimeError:应为后端CPU的对象，但获得了参数#2 'weight‘的后端CUDA RuntimeError:应为后端CPU的对象，但获得了参数#4 'mat1‘的后端CUDA 所以，就像我的帖子问的那样，我如何才能让预先训练好的模型在GPU上运行？ MobileNet = models.mobilenet_v2(pretrained = True)
if torch.cuda.is_availa
浏览 34提问于2020-06-20得票数 0
回答已采纳
1回答
如何将我在PyTorch中的培训进度保存到某个批号。？
python、machine-learning、pytorch、training-data、resnet
我只是尝试使用ResNet18库来训练一个PyTorch模型。培训数据集由25,000幅图像组成。因此，即使是第一个时代也要花很多时间才能完成。因此，我希望在取得一定的进展后再作出一定的否定。完成了批量迭代。但是，我不知道如何修改我的代码，以及如何在代码中使用torch.save()和torch.load()函数来保存周期性的进度。
我的代码如下：
# BUILD THE NETWORK
import torch
import torch.nn as nn
import torch.optim as optim
import torch.utils.data
i
浏览 3提问于2020-08-30得票数 3
回答已采纳
2回答
我是一名高中生，在使用PyTorch和LIME方面没有太多经验。我的形象有很多问题。最初我的图像形状是(3,224,224)，但是LIME算法只适用于这种形状的图像(...，...,3)。因此，我尝试了之前的转置图像。似乎我通过这样做取得了更多的进步，然而，现在我得到了一个不同的错误。下面是我的一些代码，用来理解在错误出现之前我一直在做什么。 def get_preprocess_transform():
transf = transforms.Compose([
# transforms.ToPILImage(), #had to convert image to PIL a
浏览 16提问于2020-08-19得票数 1
1回答
如何将Detectron2模型保存为香草模型？
python、deep-learning、pytorch、torch、detectron
我有一个用Faster-RCNN训练的Detectron2模型。。
我有，有几种加载此模型的方法：
from detectron2.modeling import build_model
from detectron2.checkpoint import DetectionCheckpointer
cfg = get_cfg()
config_name = "config.yml"
cfg.merge_from_file(config_name)
cfg.MODEL.WEIGHTS = './model.pth'
model = DefaultPredic
浏览 16提问于2022-09-28得票数 1
1回答
我试着用预先训练过的网络把花分类，但由于某种原因它没有训练。
python、python-3.x、deep-learning、classification、pytorch
我目前正在尝试从这个中分类花卉，使用Pytorch。
首先，我开始从我的数据转换为培训，验证和测试集。
data_dir = 'flowers'
train_dir = data_dir + '/train'
valid_dir = data_dir + '/valid'
test_dir = data_dir + '/test'
train_transforms = transforms.Compose([transforms.RandomRotation(30),
浏览 2提问于2018-07-16得票数 3
回答已采纳
2回答
IndexError:深度学习模式评价中超出范围的列表索引
python、arrays、python-3.x、deep-learning、model
我正在评估基于7节课的深度学习模式。我已经宣布了所有的课程，并提到了名字。然后，构造混淆矩阵，得到一个超出范围的误差列表索引。
import numpy as np
import torch
import torchvision
from torchvision import datasets, models, transforms
import torch.utils.data as data
import multiprocessing
from sklearn.metrics import confusion_matrix
import sys
# Paths for image di
浏览 5提问于2020-12-11得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
活动推荐
腾讯云开发者
