使用pytorch模型进行推理

我正在使用fastai库（）来训练图像分类器。fastai创建的模型实际上是一个pytorch模型

type(model)
<class 'torch.nn.modules.container.Sequential'>

根据这里显示的示例：，我知道我需要编写自己的数据加载类，该类将覆盖Dataset类中的一些函数。但我不清楚的是，我需要在测试时应用哪些转换？特别是，如何在测试时规范化图像

另一个问题：我在pytorch中保存和加载模型的方法好吗？我在这里的教程中读到：不推荐我使用的方法。原因还不清楚。

只是澄清一下：不仅打印架构，而且将模型设置为评估模式

---

特别是，如何在测试时规范化图像

这取决于你的型号。例如，对于

torchvision

模块，必须将输入标准化

---

关于如何保存/加载模型，/“将对象保存/加载到磁盘文件。”

因此，如果保存_模型，它将保存整个模型对象，包括其架构定义和一些其他内部方面。如果保存，它将只保存包含模型状态（即参数和缓冲区）的字典。保存模型会以各种方式破坏代码，因此首选方法是仅保存和加载模型状态。但是，我不确定fast.ai“model file”实际上是完整模型还是模型的状态。您必须对此进行检查，以便正确加载

torch.save(model,"./torch_model_v1")
the_model = torch.load("./torch_model_v1")
the_model.eval() # shows the entire network architecture