cnn提取图片特征代码

以下是使用CNN提取图像特征的示例代码：

import torch
import torch.nn as nn
import torchvision.models as models
import torchvision.transforms as transforms
from PIL import Image

# 加载预训练的CNN模型（例如ResNet、VGG等）
model = models.resnet50(pretrained=True)
model.eval()  # 设置为评估模式，不进行训练

# 定义图像预处理的转换
preprocess = transforms.Compose([
    transforms.Resize(256),  # 调整图像大小为256x256像素
    transforms.CenterCrop(224),  # 中心裁剪为224x224像素
    transforms.ToTensor(),  # 转换为张量
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  # 标准化图像
])

# 加载图像
image = Image.open('image.jpg')

# 预处理图像
input_tensor = preprocess(image)
input_batch = input_tensor.unsqueeze(0)  # 添加一个维度以模拟批处理，即(batch_size=1)

# 使用CUDA加速模型计算（如果可用）
if torch.cuda.is_available():
    input_batch = input_batch.to('cuda')
    model.to('cuda')

# 前向传播
with torch.no_grad():
    features = model(input_batch)

# 将特征向量转换为一维张量
feature_vector = torch.flatten(features, start_dim=1)

# 打印特征向量的形状
print(feature_vector.shape)

上述代码中，使用了PyTorch和TorchVision库来加载预训练的CNN模型（此处使用了ResNet-50），对图像进行预处理，并提取图像特征。代码中使用了一张名为"image.jpg"的图像作为输入，你可以替换成你想要提取特征的图像路径。最后，将特征向量打印出来，你可以根据需要进行进一步处理或使用。