pytorh 训练过程 获取单张图片的预测结果

在 PyTorch 训练过程中，获取单张图片的预测结果需要进行以下步骤：

1. 加载模型：使用 `torch.load()` 函数加载训练好的模型。

2. 加载图片：使用 PIL 或 OpenCV 等库加载单张图片，并进行预处理，如调整大小、变换通道格式等。

3. 进行预测：将预处理后的图片输入到模型中，使用 `model.eval()` 函数将模型设置为评估模式，然后调用 `model()` 函数进行预测。预测结果通常是一个向量，可以使用 `torch.max()` 函数获取预测结果中概率最大的类别。

4. 展示结果：根据预测结果，可以展示图片和预测类别，以及预测概率等信息。

下面是一个示例代码：

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

# 加载模型
model = torch.load('model.pth')

# 加载图片并进行预处理
img = Image.open('test.jpg')
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])
])
img = transform(img)
img = img.unsqueeze(0)

# 进行预测
model.eval()
output = model(img)
_, predicted = torch.max(output, 1)

# 展示结果
print('Predicted class:', predicted.item())