使用onnx模型测试图片的代码

以下是使用ONNX模型测试图片的Python代码示例：

import onnxruntime as ort
import numpy as np
from PIL import Image

# 加载ONNX模型
model_path = "your_model.onnx"
session = ort.InferenceSession(model_path)

# 输入图片的预处理
def preprocess(image_path):
    image = Image.open(image_path)
    image = image.resize((224, 224))  # 调整图片尺寸
    image = np.array(image).astype(np.float32)
    image = image.transpose((2, 0, 1))  # 转置为 (C, H, W) 格式
    image = image / 255.0  # 归一化
    image = np.expand_dims(image, axis=0)  # 增加 batch 维度
    return image

# 加载测试图片
image_path = "test.jpg"

# 对测试图片进行预处理
image = preprocess(image_path)

# 前向推理
output = session.run(None, {"input": image})

# 输出预测结果
print(output)

在这个示例中，我们首先加载了ONNX模型文件，然后定义了一个预处理函数来对输入图片进行预处理。预处理函数将图片调整到模型期望的尺寸，并执行了归一化和维度转换操作。接下来，我们加载了测试图片，并对其进行预处理。最后，我们通过在 `session.run()` 中传入输入张量来运行模型，并获得输出结果。在这个示例中，我们简单地将输出结果打印出来，但实际上您可以根据您的应用程序需求来处理输出结果。