pytorch图像评分集和评估结果

在Pytork中，使用GPU（cuda）需要对给定训练NN的一组图像进行评分。 下面的代码旨在对一组变换后的图像逐一打分

model.to('cuda')
model.eval()

for ii, (inputs, classes) in enumerate(dataloaders['test']):
     inputs, classes = inputs, classes
     results = model.forward(inputs)
     ps = torch.exp(results)

错误堆栈：

RuntimeError                              Traceback (most recent call last)
<ipython-input-24-948390e2b25a> in <module>()
      5 for ii, (inputs, classes) in enumerate(dataloaders['test']):
      6      inputs, classes = inputs, classes
----> 7      results = model(inputs)
      8      ps = torch.exp(results)

/opt/conda/lib/python3.6/site-packages/torch/nn/modules/module.py in __call__(self, *input, **kwargs)
    489             result = self._slow_forward(*input, **kwargs)
    490         else:
--> 491             result = self.forward(*input, **kwargs)
    492         for hook in self._forward_hooks.values():
    493             hook_result = hook(self, input, result)

/opt/conda/lib/python3.6/site-packages/torchvision-0.2.1-py3.6.egg/torchvision/models/vgg.py in forward(self, x)
     40 
     41     def forward(self, x):
---> 42         x = self.features(x)
     43         x = x.view(x.size(0), -1)
     44         x = self.classifier(x)

/opt/conda/lib/python3.6/site-packages/torch/nn/modules/module.py in __call__(self, *input, **kwargs)
    489             result = self._slow_forward(*input, **kwargs)
    490         else:
--> 491             result = self.forward(*input, **kwargs)
    492         for hook in self._forward_hooks.values():
    493             hook_result = hook(self, input, result)

/opt/conda/lib/python3.6/site-packages/torch/nn/modules/container.py in forward(self, input)
     89     def forward(self, input):
     90         for module in self._modules.values():
---> 91             input = module(input)
     92         return input
     93 

/opt/conda/lib/python3.6/site-packages/torch/nn/modules/module.py in __call__(self, *input, **kwargs)
    489             result = self._slow_forward(*input, **kwargs)
    490         else:
--> 491             result = self.forward(*input, **kwargs)
    492         for hook in self._forward_hooks.values():
    493             hook_result = hook(self, input, result)

/opt/conda/lib/python3.6/site-packages/torch/nn/modules/conv.py in forward(self, input)
    299     def forward(self, input):
    300         return F.conv2d(input, self.weight, self.bias, self.stride,
--> 301                         self.padding, self.dilation, self.groups)
    302 
    303 

运行时错误回溯（最近一次调用）
在（）
5对于枚举（数据加载器['test']）中的ii（输入，类）：
6输入，类别=输入，类别
---->7结果=模型（输入）
8 ps=火炬试验（结果）
/opt/conda/lib/python3.6/site-packages/torch/nn/modules/modules.py in____________（self，*input，**kwargs）
489结果=self.\u slow\u forward（*输入，**kwargs）
490其他：
-->491结果=自我转发（*输入，**kwargs）
492用于钩住自身。\u向前\u钩住.values（）：
493钩子结果=钩子（自身、输入、结果）
/opt/conda/lib/python3.6/site-packages/torchvision-0.2.1-py3.6.egg/torchvision/models/vgg.py前进（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）
/opt/conda/lib/python3.6/site-packages/torch/nn/modules/modules.py in____________（self，*input，**kwargs）
489结果=self.\u slow\u forward（*输入，**kwargs）
490其他：
-->491结果=自我转发（*输入，**kwargs）
492用于钩住自身。\u向前\u钩住.values（）：
493钩子结果=钩子（自身、输入、结果）
/前进中的opt/conda/lib/python3.6/site-packages/torch/nn/modules/container.py（自我，输入）
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
/opt/conda/lib/python3.6/site-packages/torch/nn/modules/modules.py in____________（self，*input，**kwargs）
489结果=self.\u slow\u forward（*输入，**kwargs）
490其他：
-->491结果=自我转发（*输入，**kwargs）
492用于钩住自身。\u向前\u钩住.values（）：
493钩子结果=钩子（自身、输入、结果）
/前进中的opt/conda/lib/python3.6/site-packages/torch/nn/modules/conv.py（自我，输入）
299 def前进档（自身，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:应为torch.FloatTensor类型的对象，但为参数#2“weight”找到了torch.cuda.FloatTensor类型

---

在GPU（cuda）上制作的模型。

这解决了问题并提供了准确率

model.to('cuda')
model.eval()
accuracy = 0

for ii, (inputs, classes) in enumerate(dataloaders['test']):
        inputs, classes = inputs.to('cuda'), classes.to('cuda')
        # Forward and backward passes
        with torch.no_grad():
            output = model.forward(inputs)
        ps = torch.exp(output)
        equality = (classes.data == ps.max(dim=1)[1])
        accuracy += equality.type(torch.FloatTensor).mean()

accuracy = accuracy/len(dataloaders['test'])
print(accuracy)

---

为这个答案添加一些信息：将数据移动到GPU也很重要，这只发生在

inputs，classes=inputs.To（'cuda'）、classes.To（'cuda'）

中。答案的其余部分只是细节。