Python 如何将PyTorch中的DataLoader更改为读取一幅图像进行预测？

目前，我有一个预先训练过的模型，它使用数据加载器读取一批图像来训练模型

self.data\u loader=torch.utils.data.DataLoader（数据集，批处理大小=批处理大小，shuffle=False，
num_workers=1，pin_memory=True）
...
model.eval（）
对于步骤，enumerate中的输入（test_loader.data_loader）：
输出=型号（火炬类别（[输入]，1））
...

当图像从队列中到达时，我想对其进行处理（进行预测）。它应该类似于读取单个图像并运行模型对其进行预测的代码。大致如下：

从PIL导入图像
新建输入=Image.open（图像路径）
model.eval（）
输出=型号（火炬类别（[新输入]，1））

---

我想知道您是否可以指导我如何执行此操作并在DataLoader中应用相同的转换。

我不知道DataLoader，但您可以使用以下功能加载单个图像：

def safe_pil_loader(path, from_memory=False):
try:
    if from_memory:
        img = Image.open(path)
        res = img.convert('RGB')
    else:
        with open(path, 'rb') as f:
            img = Image.open(f)
            res = img.convert('RGB')
except:
    res = Image.new('RGB', (227, 227), color=0)
return res

对于应用转换，您可以执行以下操作：

trans = transforms.Compose([
            transforms.Resize(299),
            transforms.CenterCrop(299),
            transforms.ToTensor(),
            normalize,
        ])
img=trans(img)

---

我不知道dataLoader，但您可以使用以下功能加载单个图像：

def safe_pil_loader(path, from_memory=False):
try:
    if from_memory:
        img = Image.open(path)
        res = img.convert('RGB')
    else:
        with open(path, 'rb') as f:
            img = Image.open(f)
            res = img.convert('RGB')
except:
    res = Image.new('RGB', (227, 227), color=0)
return res

对于应用转换，您可以执行以下操作：

trans = transforms.Compose([
            transforms.Resize(299),
            transforms.CenterCrop(299),
            transforms.ToTensor(),
            normalize,
        ])
img=trans(img)

您可以使用do it with：

和批次大小=1：

import queue
import torchvision.transforms.functional as TF

buffer = queue.Queue()
new_input = Image.open(image_path)
buffer.put(TF.to_tensor(new_input)) 
# ... Populate queue here

dataset = MyDataset(buffer)
dataloader = torch.utils.data.DataLoader(dataset, batch_size=1)
for data in dataloader:
   model(data) # data is one-image batch of size [1,3,H,W] where 3 - number of color channels

您可以使用do it with：

和批次大小=1：

import queue
import torchvision.transforms.functional as TF

buffer = queue.Queue()
new_input = Image.open(image_path)
buffer.put(TF.to_tensor(new_input)) 
# ... Populate queue here

dataset = MyDataset(buffer)
dataloader = torch.utils.data.DataLoader(dataset, batch_size=1)
for data in dataloader:
   model(data) # data is one-image batch of size [1,3,H,W] where 3 - number of color channels

---

这实际上取决于

数据集的工作方式。问题中没有提供详细信息。@jodag我编辑了问题以提供更多上下文。非常感谢您的帮助。这将取决于
数据集的工作方式。问题中没有提供详细信息。@jodag我编辑了问题以提供更多上下文。谢谢你的帮助。谢谢@Marzieh Heidari！谢谢@Marzieh Heidari！谢谢@Anton GanichevThanks@Anton Ganichev