用resnet18训练完模型后，如何查看测试的分类结果，有代码示例吗

可以使用PyTorch中的torchvision包中的函数来查看测试的分类结果。具体步骤如下：

1. 加载训练好的模型和测试集数据。

import torch
import torchvision
from torchvision import models, transforms, datasets

# 加载训练好的模型
model = models.resnet18(pretrained=False)
num_ftrs = model.fc.in_features
model.fc = torch.nn.Linear(num_ftrs, 2)
model.load_state_dict(torch.load('resnet18_model.pth'))

# 加载测试集数据
data_transforms = transforms.Compose([
        transforms.Resize(256),
        transforms.CenterCrop(224),
        transforms.ToTensor(),
        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
    ])
test_dataset = datasets.ImageFolder('test', transform=data_transforms)
test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=16, shuffle=False)

2. 定义一个函数来测试模型并输出分类结果。

def test_model(model, test_loader):
    model.eval()
    device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
    model.to(device)
    correct_preds = 0
    total_preds = 0
    with torch.no_grad():
        for inputs, labels in test_loader:
            inputs, labels = inputs.to(device), labels.to(device)
            outputs = model(inputs)
            _, preds = torch.max(outputs, 1)
            correct_preds += torch.sum(preds == labels.data)
            total_preds += len(labels)
    accuracy = correct_preds.double() / total_preds
    print('Accuracy on test set: {:.2%}'.format(accuracy))

3. 调用该函数来测试模型并输出分类结果。

test_model(model, test_loader)

输出结果类似于：Accuracy on test set: 90.00%，表示测试集上的准确率为90%。

其中，“test”文件夹是存放测试集图片的文件夹，每个子文件夹代表一类图片，文件夹名即为该类别的标签名。