Python 如何在pytorch中测试一个图像

我在pytorch中创建了我的模型，并且工作得非常好，但是当我只想测试一个图像时batch_size=1总是返回第二个类（在本例中是一只狗）

我尝试使用batch>1进行测试，在所有情况下都可以

架构：

model = models.densenet121(pretrained=True)

for param in model.parameters():
param.requires_grad = False
from collections import OrderedDict
classifier = nn.Sequential(OrderedDict([
                          ('fc1', nn.Linear(1024, 500)),
                          ('relu', nn.ReLU()),
                          ('fc2', nn.Linear(500, 2)),
                          ('output', nn.LogSoftmax(dim=1))
                          ]))

model.classifier = classifier

所以我的张量是[batch，3224，224]

我试过：

resize
reshape
unsqueeze(0)

当是一个图像时，响应总是[[0.4741,0.5259]]

我的测试代码

from PIL import *
msize = 256
loader = transforms.Compose([transforms.Scale(imsize), transforms.ToTensor()])

def image_loader(image_name):
    """load image, returns cuda tensor"""
    image = Image.open(image_name)
    image = loader(image).float()
    image = image.unsqueeze(0) 
    return image.cuda()
image = image_loader('Cat_Dog_data/test/cat/cat.16.jpg') 
with torch.no_grad():
    logits = model.forward(image)
ps = torch.exp(logits)
_, predTest = torch.max(ps,1)
print(ps) ## same value in all cases
imagen_mostrar = images[ii].to('cpu') 
helper.imshow(imagen_mostrar,title=clas_perro_gato(predTest), normalize=True)

andrea_data = datasets.ImageFolder(data_dir + '/andrea', transform=test_transforms)
andrealoader = torch.utils.data.DataLoader(andrea_data, batch_size=1, shuffle=True)
dataiter = iter(andrealoader)
images, labels = dataiter.next()
images, labels = images.to(device), labels.to(device)
ps = torch.exp(model.forward(images))
_, predTest = torch.max(ps,1) 
print(ps.float())

第二个测试代码

from PIL import *
msize = 256
loader = transforms.Compose([transforms.Scale(imsize), transforms.ToTensor()])

def image_loader(image_name):
    """load image, returns cuda tensor"""
    image = Image.open(image_name)
    image = loader(image).float()
    image = image.unsqueeze(0) 
    return image.cuda()
image = image_loader('Cat_Dog_data/test/cat/cat.16.jpg') 
with torch.no_grad():
    logits = model.forward(image)
ps = torch.exp(logits)
_, predTest = torch.max(ps,1)
print(ps) ## same value in all cases
imagen_mostrar = images[ii].to('cpu') 
helper.imshow(imagen_mostrar,title=clas_perro_gato(predTest), normalize=True)

andrea_data = datasets.ImageFolder(data_dir + '/andrea', transform=test_transforms)
andrealoader = torch.utils.data.DataLoader(andrea_data, batch_size=1, shuffle=True)
dataiter = iter(andrealoader)
images, labels = dataiter.next()
images, labels = images.to(device), labels.to(device)
ps = torch.exp(model.forward(images))
_, predTest = torch.max(ps,1) 
print(ps.float())

例如，如果我将批次大小更改为1，则始终返回一个张量，表示这是一只狗[0.43,0.57]

谢谢

如果您的模型是“正确的”，它只是预测了一只狗，那么您可以使用

torch.argmax（output，dim=1）

获得标签，无论批的大小如何

无论如何，您不应该使用

LogSoftmax

作为激活，请使用作为丢失函数，并从最后一层中删除激活，并且仅输出一个神经元（图像仅为狗的概率）。在您的案例中，它看起来是这样的：

classifier = nn.Sequential(
    OrderedDict(
        [
            ("fc1", nn.Linear(1024, 500)),
            ("relu", nn.ReLU()),
            ("fc2", nn.Linear(500, 1)),
            # See? No activation needed
        ]
    )
)

---

只需运行

output>0

+您就可以通过上述网络获得正确的标签，您可以“免费”获得数值稳定性。

我意识到我的模型没有处于eval模式

---

因此，我刚刚添加了model.eval（），就这样，适用于任何大小的批处理

请发布代码，在其中运行批处理>1和批处理==1的eval。好的，我现在就这样做了！无法看到批次>1的评估结果第二类是狗，但第一类是猫，模型必须在两者之间进行选择，当我使用Softmax函数时，如果没有此函数，返回一个具有2个值的张量（概率），我必须如何正确使用？因为BCEWithLogitsLoss问我一个张量[64]，所以我得到了错误值error：目标大小（torch.size（[64]）必须与输入大小（torch.size（[64，1]）相同，所以不需要第一类，因为如果网络的输出小于零，它将被标记为一。大于此值的任何内容都将被归类为

狗
。要修复错误，您必须使用
input.flatte（）
对输入进行
展平，使其与目标匹配（或通过
target.unsqueze（dim=1）
对
目标进行unsqueze
）。您使用的是什么版本的PyTorch？PyTorch V.1.1.0，好的，没有显示错误，但当我培训我的型号时，acc没有增加，我的代码：