介绍

这篇文章是《【Pytorch】计算机视觉项目——卷积神经网络TinyVGG模型图像分类（如何使用自定义数据集）》的最后一部分内容：模型预测。

在本文中，我们将介绍如何测试模型的预测效果——让已训练好模型对一张新的图片进行分类；最后将整个流程打包，写成一个可以被直接调用的函数。

整个预测流程包括：

• 图片下载
• 图像转张量、图像数据变换
• 使用训练好的模型进行预测
• 预测结果输出

通过这些步骤，读者将能够进一步了解如何对已经训练好模型进行测试，以及了解模型是如何完成对图像的分类工作。

---

其他相关文章：

• 深度学习入门笔记：总结了一些神经网络的基础概念。
• TensorFlow专栏：《计算机视觉入门系列》介绍如何用TensorFlow框架实现卷积分类器。
• 【Pytorch】整体工作流程代码详解（新手入门）
  

---

图像处理和预测分步骤详解

1. 图片下载&路径设置

import requests# 设置文件路径
custom_image_path = data_path / "04-pizza-dad.jpeg"# 文件下载
if not custom_image_path.is_file():with open(custom_image_path, "wb") as f:request = requests.get("https://raw.githubusercontent.com/mrdbourke/pytorch-deep-learning/main/images/04-pizza-dad.jpeg")print(f"Downloading {custom_image_path}...")f.write(request.content)
else:print(f"{custom_image_path} already exists, skipping download.")

2. 将图像转换成张量

import torchvision# 将图像转换成张量（未指定格式）
custom_image_uint8 = torchvision.io.read_image(str(custom_image_path))# 打印结果
print(f"Custom image tensor:\n{custom_image_uint8}\n")
print(f"Custom image shape: {custom_image_uint8.shape}\n")
print(f"Custom image dtype: {custom_image_uint8.dtype}")

图像数据的格式是torch.uint8, 表示范围在（0,255），通常用于表示图像的像素值。

而在深度学习模型中，通常使用 torch.float32 格式的输入，因为模型训练和推理时需要更高的数值精度和更广泛的表示范围。

因此，需要把格式转成精度更高的float32，这是模型所需要的格式。

# 载入图像，并将张量值转换为float32
custom_image = torchvision.io.read_image(str(custom_image_path)).type(torch.float32)# 将torch.uint8张量转换为torch.float32，并归一化到[0, 1]
custom_image = custom_image / 255. # 检查转换后的张量的数据
print(f"Custom image tensor:\n{custom_image}\n")
print(f"Custom image shape: {custom_image.shape}\n")
print(f"Custom image dtype: {custom_image.dtype}")

![[04.1 8. 模型预测-20240606124914487.webp]]

# 图片展示
plt.imshow(custom_image.permute(1, 2, 0))
plt.title(f"Image shape: {custom_image.shape}")
plt.axis(False);

![[04.1 8. 模型预测-20240605181832312.webp]]
数据形状现在是[3,4032,4032]， 我们还需要对它进行进一步的处理，使其能够匹配模型训练时使用的数据形状。

3. 图像变换

# 设置图像变换过程
custom_image_transform = transforms.Compose([transforms.Resize((64, 64)),
])# 图片转换
custom_image_transformed = custom_image_transform(custom_image)# 打印图片形状
print(f"Original shape: {custom_image.shape}")
print(f"New shape: {custom_image_transformed.shape}")

经过Transform过程，图片形状变成[3,64,64]。

原始形状为torch.Size([3, 4032, 3024])，这表示图像的高度为4032像素，宽度为3024像素，并且有3个通道（通常表示RGB通道）。

新的形状为torch.Size([3, 64, 64])，这表示经过调整后，图像的高度和宽度都变成了64像素，依然保持3个通道。

transforms.ToTensor():

• 输入格式：对于彩色图像（RGB），输入通常是形状为 (H, W, 3) 的 numpy 数组或 PIL 图像，其中 H 是高度，W 是宽度，3 表示颜色通道（红、绿、蓝）。
• 输出格式：形状为 (C, H, W)的PyTorch 张量，其中 C 是颜色通道数（通常为 3），H 是高度，W 是宽度。
• 示例：假设有一张 RGB 图像，原始大小为 256x256，转换后为形状为 (3, 256, 256) 的张量，其中 3 表示 RGB 通道。如果是灰度图像，转换为 (1, H, W)，因为灰度图像只有一个通道。

4. 模型预测

model_0.eval()with torch.inference_mode():# 给图像增加一个维度：batch sizecustom_image_transformed_with_batch_size = custom_image_transformed.unsqueeze(dim=0)  # 打印结果print(f"Custom image transformed shape: {custom_image_transformed.shape}")print(f"Unsqueezed custom image shape: {custom_image_transformed_with_batch_size.shape}")# 使用模型对图像进行分类预测custom_image_pred = model_0(custom_image_transformed.unsqueeze(dim=0).to(device))

• custom_image_transformed.unsqueeze(dim=0) 因为在模型训练过程中，图像张量数据是按照批次导入模型训练的，模型适应的维度/形状是(N, C, H, W), 这里的N是批次的意思。因此， torch.unsqueeze(dim=0)给图像价

5. 预测结果输出

# 打印原始预测值logits
print(f"Prediction logits: {custom_image_pred}")# 将logits转换为预测概率-->模型预测的概率
custom_image_pred_probs = torch.softmax(custom_image_pred, dim=1)
print(f"Prediction probabilities: {custom_image_pred_probs}")# 将预测概率转换为预测标签
custom_image_pred_label = torch.argmax(custom_image_pred_probs, dim=1)
print(f"Prediction label: {custom_image_pred_label}")

• torch.softmax(custom_image_pred, dim=1): 使用Softmax函数将logits转换为概率。Softmax函数将logits转换为0到1之间的概率值，并且所有概率值的总和为1。dim=1表示在类别维度上进行计算。
• torch.argmax(custom_image_pred_probs, dim=1): 在概率最大的类别索引上取最大值，这个索引对应于模型预测的类别标签。

# 找出预测标签
custom_image_pred_class = class_names[custom_image_pred_label.cpu()] # put pred label to CPU, otherwise will errorcustom_image_pred_class

• .cpu() 这里代码是在GPU上运行的，所以需要把预测标签移回CPU上。

创建预测函数（打包整个预测过程）

我们复习一下上面的步骤：

1. 设置目标图像路径，并将其转换为适合我们模型的数据类型（torch.float32）。
2. 确保目标图像的像素值在范围 [0, 1] 之内。
3. 如有必要，对目标图像进行变换。
4. 确保模型在指定的设备上。
5. 使用训练好的模型对目标图像进行预测（确保图像尺寸正确，并与模型在同一设备上）。
6. 将模型的输出logits转换为预测概率。
7. 将预测概率转换为预测标签。
8. 绘制目标图像，并显示模型的预测结果和预测概率。

接下来我们需要把这些步骤都打包到一个函数中，这样就能通过函数实现模型的预测功能。

def pred_and_plot_image(model: torch.nn.Module,image_path: str,class_names: List[str] = None,transform=None,device: torch.device = device):# 1. 载入图像，并将张量值转换为float32target_image = torchvision.io.read_image(str(image_path)).type(torch.float32)# 2. 将图像像素值除以255，使其在[0, 1]之间target_image = target_image / 255.# 3. 如有必要，进行图像变换if transform:target_image = transform(target_image)# 4. 确保模型在指定设备上model.to(device)# 5. 启用模型评估模式和推理模式model.eval()with torch.inference_mode():# 为图像添加一个维度target_image = target_image.unsqueeze(dim=0)# 对图像进行预测，并将其发送到指定设备target_image_pred = model(target_image.to(device))# 6. 将logits转换为预测概率（使用softmax进行多分类）target_image_pred_probs = torch.softmax(target_image_pred, dim=1)# 7. 将预测概率转换为预测标签target_image_pred_label = torch.argmax(target_image_pred_probs, dim=1)# 8. 绘制图像，并显示预测结果和预测概率plt.imshow(target_image.squeeze().permute(1, 2, 0))  # 调整图像以适应matplotlibif class_names:title = f"预测: {class_names[target_image_pred_label.cpu()]} | 概率: {target_image_pred_probs.max().cpu():.3f}"else:title = f"预测: {target_image_pred_label} | 概率: {target_image_pred_probs.max().cpu():.3f}"plt.title(title)plt.axis(False);

pred_and_plot_image(model=model_0,image_path=custom_image_path,class_names=class_names,transform=custom_image_transform,device=device)

最后结果展示了分类的标签，概率，以及经过处理后的图片。

---