pytorch 多分类 推理代码

要使用PyTorch进行多分类推理，首先需要加载训练好的模型和预处理数据。接下来，将待推理的数据输入模型，获取模型输出的预测结果，然后根据预测结果进行后续处理和分析。

首先，导入所需的库和模块：

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

然后，加载模型和预处理数据：

# 加载训练好的模型
model = torch.load('model.pth')
model.eval()

# 定义数据预处理方式
transform = transforms.Compose([
    transforms.Resize((224, 224)),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

接下来，准备待推理的数据并进行预处理：

# 读取待推理的图像并进行预处理
image = Image.open('image.jpg')
image = transform(image)
image = image.unsqueeze(0)

然后，将数据输入模型进行推理，并获取预测结果：

# 数据输入模型进行推理
with torch.no_grad():
    output = model(image)

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

最后，根据预测结果进行后续处理和分析，比如打印预测结果或者进行其他的业务逻辑处理：

# 打印预测结果
print('预测类别为：', predicted.item())

通过以上步骤，就可以使用PyTorch进行多分类推理了。当然，在实际应用中，还需要根据实际业务需求进行定制化的处理和优化。