Pytorch 读取resnet18的测试图像

我正在尝试读取图像文件，并对图像进行分类和处理。 我的模型是resnet18，我之前训练过它，并计划使用不同的.py脚本对图像列表进行分类。这是我的网络：

PATH = './net.pth'
model_ft = models.resnet18(pretrained=True)
num_ftrs = model_ft.fc.in_features
model_ft.fc = nn.Linear(num_ftrs, 16)
model_ft.load_state_dict(torch.load(PATH))
model_ft.eval() 

我试着以这种方式阅读图像：

imsize = 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 = Variable(image, requires_grad=True)
    image = image.unsqueeze(0)
    return image.cuda()  

image = image_loader("dataset/test/9673.png")

model_ft(image)

我得到这个错误：

 "Given groups=1, weight of size [64, 3, 7, 7], expected input[1, 4, 676, 256] to have 3 channels, but got 4 channels instead"

有人建议我删除resnet18的unsqueze，这样做会导致以下错误：

"Expected 4-dimensional input for 4-dimensional weight [64, 3, 7, 7], but got 3-dimensional input of size [4, 676, 256] instead"

---

我不太理解我正在处理的问题，我应该如何阅读我的测试集？之后我需要将类ID-s和文件名写入.txt。

您使用的是具有4个通道的PNG图像。您的网络需要3个频道。 转换到

RGB

，你应该会没事的。在您的

图像\u加载程序中

只需执行以下操作：

image=image.open（image\u name.convert（'RGB'））

您使用的是具有4个通道的PNG图像。您的网络需要3个频道。 转换到

RGB

，你应该会没事的。在您的

图像\u加载程序中

只需执行以下操作：

image=image.open（image\u name.convert（'RGB'））

我认为您的图像输入的形状是：

批次大小*4*高度*宽度

而不是

批次大小*3*高度*宽度

。这就是错误的原因。您是否可以执行此操作并报告形状：

---

print（image.shape）

调用

image\u loader（）

后，我认为您的图像输入的形状是：

batch\u size*4*height*width

而不是

batch\u size*3*height*width

。这就是错误的原因。您是否可以执行此操作并报告形状：

调用

image\u loader（）

后打印（image.shape）