Python 一幅图像上的pytorch vgg模型测试

我已经训练了一个vgg模型，这就是我转换测试数据的方式

test_transform_2= transforms.Compose([transforms.RandomResizedCrop(224), 
                                     transforms.ToTensor()])

test_data = datasets.ImageFolder(test_dir, transform=test_transform_2)

模型已经完成了训练，现在我想在一张图片上测试它

from scipy import misc

test_image = misc.imread('flower_data/valid/1/image_06739.jpg')
vgg16(torch.from_numpy(test_image))

错误

---------------------------------------------------------------------------
运行时错误回溯（上次最近调用）
在里面
---->1 vgg16（火炬，来自numpy（测试图像））
c:\users\sam\mydocu~1\code\envs\data science\lib\site packages\torch\nn\modules\module.py in\uuuuuu调用（self，*input，**kwargs）
475结果=self.\u slow\u forward（*输入，**kwargs）
476其他：
-->477结果=自我转发（*输入，**kwargs）
478用于钩住自身。\u向前\u钩住.values（）：
479钩子结果=钩子（自身、输入、结果）
c:\users\sam\mydocu~1\code\envs\data science\lib\site packages\torchvision\models\vgg.py in forward（self，x）
40
41 def前进档（自身，x）：
--->42 x=自身特征（x）
43 x=x.view（x.size（0），-1）
44 x=自分类器（x）
c:\users\sam\mydocu~1\code\envs\data science\lib\site packages\torch\nn\modules\module.py in\uuuuuu调用（self，*input，**kwargs）
475结果=self.\u slow\u forward（*输入，**kwargs）
476其他：
-->477结果=自我转发（*输入，**kwargs）
478用于钩住自身。\u向前\u钩住.values（）：
479钩子结果=钩子（自身、输入、结果）
c:\users\sam\mydocu~1\code\envs\data science\lib\site packages\torch\nn\modules\container.py in forward（self，input）
89 def前进档（自身，输入）：
90表示自组中的模块。\u modules.values（）：
--->91输入=模块（输入）
92返回输入
93
c:\users\sam\mydocu~1\code\envs\data science\lib\site packages\torch\nn\modules\module.py in\uuuuuu调用（self，*input，**kwargs）
475结果=self.\u slow\u forward（*输入，**kwargs）
476其他：
-->477结果=自我转发（*输入，**kwargs）
478用于钩住自身。\u向前\u钩住.values（）：
479钩子结果=钩子（自身、输入、结果）
c:\users\sam\mydocu~1\code\envs\data science\lib\site packages\torch\nn\modules\conv.py in forward（self，input）
299 def前进（自，输入）：
300返回F.conv2d（输入、自重、自偏倚、自步幅、，
-->301自填充、自膨胀、自组）
302
303
RuntimeError：四维权重[64,3,3,3]应为四维输入，但得到的输入大小为[628500,3]

---

我可以告诉你我需要塑造输入，但是我不知道如何根据它似乎期望输入被告知批次的方式。你的图像是

[h，w，3]

其中3表示rgb通道，pytorch期望

[b，3，h，w]

其中

b

是批次大小。因此，您可以通过调用

restraped=img.permute（2,0,1）.unsqueze（0）

来重塑它。我想在某个地方也有一个实用函数，但我现在找不到

那么你的情况呢

tensor = torch.from_numpy(test_image)
reshaped = tensor.permute(2, 0 1).unsqueeze(0)
your_result = vgg16(reshaped)

---

您的图像是

[h，w，3]

其中3表示rgb通道，pytorch期望

[b，3，h，w]

其中

b

是批量大小。因此，您可以通过调用

restraped=img.permute（2,0,1）.unsqueze（0）

来重塑它。我想在某个地方也有一个实用函数，但我现在找不到

那么你的情况呢

tensor = torch.from_numpy(test_image)
reshaped = tensor.permute(2, 0 1).unsqueeze(0)
your_result = vgg16(reshaped)

---

vgg16（torch.from_numpy（test_image）。查看（1628500，3）

是否会让您前进？@dedObed此返回此错误

RuntimeError：给定组=1，大小权重[64，3，3]，预期输入[1628500，3]有3个通道，但使用您的建议得到628个通道
vgg16（torch.from_numpy（test image）。查看（1628500,3））
太好了，所以它确实让你前进了。所以请参考Jatentaki的答案，他处理了所需的全部重塑。会
vgg16（torch.from_numpy（test_image）。view（1628500,3）
让你前进？@dedObed此返回此错误
运行时错误：给定组=1，大小权重[64,3,3]，预期输入[1628500,3]拥有3个频道，但使用Your's suggestion获得了628个频道
vgg16（torch.from_numpy（test_image）.view（1628500,3））

太好了，所以它确实推动了你的前进。所以请参考Jatentaki的答案，他处理了所需的全部重塑。你已经得到了它，但我不能使用这个建议，因为它不是scipy或torch的一部分。Num更新了我的答案。谢谢，尝试了它，我得到了这个错误，

运行时错误：thnn\U conv2d\u forward没有为typ实现e torch.ByteTensor

表示您的图像类型为

torch.uint8

（标准255值rgb），应该是

torch.float32

。您可能需要添加另一行

floatified=重塑的.to（torch.float32）/255.

并就此调用vgg16。但这只是对您正在使用的规范化约定的猜测，它需要与网络的训练方式保持一致。换句话说：

重塑.to（torch.float32）

会使消息消失，但不一定会使网络产生合理的预测，这是可行的，还有一件事，我得到了这个错误

运行时错误：大小不匹配，m1:[1 x 145920]，m2:[25088 x 4096]在c:\new-builder\u 3\win wheel\pytorch\aten\src\th\generic/THTensorMath.cpp:2070，相信是因为我忘了将其调整为224乘224。你能指导我吗？你已经得到了，但我不能使用这个建议，因为它不是scipy或torch的一部分。Num更新了我的答案，尝试了，我得到了这个错误，
RuntimeError:thnn_conv2d_forward不是为torch类型实现的。ByteTensor
表示您的图像是torch.uint8类型（标准255值rgb），应该是torch.float32

。您可能需要将另一行

floatified=reformed.to（torch.float32）/255