使用PyTorch运行单个预测时出现问题

我有一个使用PyTorch的训练有素的模型，现在我想简单地在一个示例上运行它

>>> model
nn.Sequential {
  [input -> (0) -> (1) -> (2) -> (3) -> (4) -> (5) -> (6) -> (7) -> (8) -> (9) -> (10) -> output]
  (0): nn.SpatialConvolutionMap
  (1): nn.Tanh
  (2): nn.SpatialMaxPooling(2x2, 2, 2)
  (3): nn.SpatialConvolutionMap
  (4): nn.Tanh
  (5): nn.SpatialMaxPooling(2x2, 2, 2)
  (6): nn.Reshape(6400)
  (7): nn.Linear(6400 -> 128)
  (8): nn.Tanh
  (9): nn.Linear(128 -> 5)
  (10): nn.LogSoftMax
}

然后，我从测试集中加载一个图像：

image = cv2.imread('image.png',cv2.IMREAD_GRAYSCALE)
transformation = transforms.Compose([transforms.ToTensor()]) 
image_tensor = transformation(image).float()
inp = Variable(image_tensor)

最后尝试运行网络

output = model(inp) 

---

但是我得到了errorTypeError:“Sequential”对象是不可调用的

似乎您的模型不是（pytorch

Sequential

），而是（一个遗留的lua torch模型）。
尝试显式使用此模型

forward（）

：

output = model.forward(inp[None, ...])  # don't forget to add "batch" dimension

---

谢谢，似乎是这样，但现在我得到了错误：oubleSpatialConvolutionMap_updateOutput收到了无效的参数组合-get（int，Tensor，Tensor，Tensor，Tensor，Tensor，int，int，int），但应为（int state，torch.DoubleTensor input，torch.DoubleTensor output，torch.DoubleTensor weight，torch.DoubleTensor bias，torch.DoubleTensor connTable，int nInputPlane，int nOutputPlane，int dW，int dH）@VahagnTumanyan尝试将旧模型转换为pytorch模型。这样做会更容易。