编写一个已经拥有训练模型,识别图片数字的代码
时间: 2024-02-25 16:56:47 浏览: 27
好的,以下是一个基于 PyTorch 框架的手写数字识别模型,并使用该模型对图像进行数字识别的代码示例:
```python
import torch
import torchvision.transforms as transforms
from PIL import Image
# 加载模型
model = torch.load('model.pth')
model.eval()
# 图像预处理
transform = transforms.Compose([
transforms.Resize((28, 28)),
transforms.Grayscale(),
transforms.ToTensor(),
transforms.Normalize((0.5,), (0.5,))
])
# 加载图像
img = Image.open('test.png')
img = transform(img)
img = img.view(1, 1, 28, 28)
# 进行数字识别
with torch.no_grad():
output = model(img)
_, predicted = torch.max(output.data, 1)
print('识别结果为:', predicted.item())
```
在上述代码中,我们首先加载已经训练好的模型,并对待识别的图像进行预处理(缩放、转灰度、归一化等操作),然后将预处理后的图像传递给模型进行数字识别。最后输出模型的预测结果。
需要注意的是,上述代码中的 `model.pth` 文件是已经训练好的 PyTorch 模型文件,可以使用 PyTorch 的 `torch.load()` 函数加载。同时,`test.png` 是待识别的图像文件,需要根据实际情况进行修改。