pytorch如何使用已经训练好的resnet模型实现图片识别

使用已经训练好的resnet模型实现图片识别需要进行以下步骤：

1. 导入相关库和模型

import torch
import torchvision.models as models
import torchvision.transforms as transforms

# 加载resnet模型
model = models.resnet18(pretrained=True)

2. 预处理图片数据

# 定义图片预处理方式
transform = transforms.Compose([
    transforms.Resize(256),  # 将图片大小调整为256×256
    transforms.CenterCrop(224),  # 从中心裁剪出224×224大小的图片
    transforms.ToTensor(),  # 将图片转换为张量
    transforms.Normalize(
        mean=[0.485, 0.456, 0.406],  # 标准化图片
        std=[0.229, 0.224, 0.225])
])

# 载入测试图片并进行预处理
img = Image.open('test.jpg')
img = transform(img).unsqueeze(0)  # 增加一维作为batch_size

3. 使用模型进行图片识别

# 将模型设为评估模式
model.eval()

# 将图片张量输入模型，得到预测结果
with torch.no_grad():
    output = model(img)

# 将预测结果转换为概率值，并得到最大概率对应的标签
prob = torch.nn.functional.softmax(output, dim=1)[0]
pred_label_idx = torch.argmax(prob).item()

4. 查看预测结果

# 载入标签名
with open('imagenet_classes.txt') as f:
    classes = [line.strip() for line in f.readlines()]

# 打印预测结果
print('预测结果：', classes[pred_label_idx])