4.因为卷积神经网络输入的数据是张量tensor, 而当前你操作的数据还是numpy数组 需要将Numpy数组转换为tensor -->(1, C, H, W) face_img_tensor

要将NumPy数组转换为PyTorch张量（tensor），你可以使用`torch.from_numpy()`函数。下面是使用Python编写的代码示例：

import torch
import cv2
import numpy as np

# 加载图像
face_img = cv2.imread("face_img.jpg")

# 设置目标大小
target_width = 112
target_height = 112

# 调整图像大小
resized_img = cv2.resize(face_img, (target_width, target_height))

# 将NumPy数组转换为PyTorch张量
face_img_tensor = torch.from_numpy(resized_img.transpose((2, 0, 1))).unsqueeze(0)

print(face_img_tensor.shape)  # 输出张量的形状

在上述代码中，`torch.from_numpy()`函数接受NumPy数组作为输入，并返回相应的PyTorch张量。`transpose((2, 0, 1))`操作用于交换轴的顺序，从HWC转换为CHW格式。最后，使用`unsqueeze(0)`函数在第0个维度上添加一个新的维度，以匹配目标形状(1, C, H, W)。`unsqueeze(0)`函数的参数0表示在第0个维度上添加一个维度。

请注意，你需要安装PyTorch库，并确保已安装适合你的系统和CUDA版本的PyTorch。你可以按照官方文档提供的指导进行安装：https://pytorch.org/get-started/locally/