怎么使用pytorch训练好的模型进行分类预测

使用PyTorch训练好的模型进行分类预测的步骤如下：

1. 导入所需的库和模块：

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

2. 加载训练好的模型：

   # 创建模型实例
   model = torchvision.models.mobilenet_v2(pretrained=True)
   # 将模型设为评估模式
   model.eval()

3. 预处理输入图像：

   # 定义预处理转换
   transform = transforms.Compose([
       transforms.Resize((224, 224)),  # 调整图像尺寸为模型所需尺寸
       transforms.ToTensor(),  # 将图像转换为Tensor
       transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])  # 标准化图像
   ])

   # 加载待预测的图像
   image = Image.open('image.jpg')

   # 对图像进行预处理
   image = transform(image).unsqueeze(0)  # unsqueeze(0)将图像张量维度调整为(1, C, H, W)，适配模型输入要求

4. 进行预测：

   # 使用模型进行预测
   with torch.no_grad():
       outputs = model(image)

   # 获取预测结果
   _, predicted = torch.max(outputs, 1)

   # 输出预测结果
   print(predicted.item())

注意事项：
- 在使用模型进行预测时，需要将模型设为评估模式，即`model.eval()`。
- 预处理图像时，需要根据训练模型的要求进行相应的处理，如调整图像尺寸、转换为Tensor并进行标准化等。
- 预测结果一般是一个概率分布，可以使用`torch.max`函数获取最大概率对应的类别索引。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [使用pytorch训练你自己的图像分类模型（包括模型训练、推理预测、误差分析）](https://blog.csdn.net/cxx654/article/details/118254718)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]