深度学习中使用已训练模型对某张图片进行预测的pytorch代码
时间: 2024-02-05 14:05:24 浏览: 35
好的,以下是使用已训练的PyTorch模型对图片进行预测的Python代码示例:
```python
import torch
import torchvision.transforms as transforms
from PIL import Image
# 加载已训练模型
model = torch.load('path/to/your/model')
# 定义图像变换
transform = transforms.Compose([
transforms.Resize(224), # 模型输入尺寸为 224x224
transforms.CenterCrop(224),
transforms.ToTensor(), # 转化为张量
transforms.Normalize(
mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225]
) # 归一化像素值
])
# 加载图像并进行预处理
img = Image.open('path/to/your/image')
img = transform(img)
# 添加一个维度以符合模型输入要求
img = img.unsqueeze(0)
# 使用模型进行预测
with torch.no_grad():
outputs = model(img)
_, predicted = torch.max(outputs, 1)
# 打印预测结果
print(f"Predicted class: {predicted.item()}")
```
其中,`path/to/your/model` 是你已训练模型的存储路径,`path/to/your/image` 是你想要预测的图片的路径。你需要根据你的实际情况进行修改。此外,你还需要确保你已经安装了PyTorch和Pillow库。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)