使用resnet34及其预训练模型对一个文件夹内的图片进行特征提取的pytorch代码

在PyTorch中，你可以使用ResNet34预训练模型进行图像特征提取。以下是基本步骤的代码示例：

import torch
from torchvision import models, transforms
from PIL import Image

# 加载预训练的ResNet34模型，将最后的全连接层设置为不训练
model = models.resnet34(pretrained=True)
for param in model.parameters():
    param.requires_grad = False
# 设置模型为评估模式
model.eval()

# 定义数据加载和转换
transform = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),  # 图片尺寸调整为224x224
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  # 归一化
])

# 遍历文件夹中的图片
image_folder_path = 'your_image_folder_path'
features_list = []
for img_name in os.listdir(image_folder_path):
    img_path = os.path.join(image_folder_path, img_name)
    
    with open(img_path, 'rb') as f:
        img = Image.open(f)
        tensor_img = transform(img)
        
    # 将张量图像转为单个批次
    tensor_img.unsqueeze_(0)
    
    # 通过模型提取特征
    with torch.no_grad():
        features = model(tensor_img).squeeze()  # 特征向量
    
    features_list.append(features.cpu().numpy())  # 添加到列表中

# 提取完毕后的features_list是一个包含所有图片特征的列表

在这个例子中，`features_list`将存储每个图片对应的ResNet34提取的特征向量。