Question

所有内容都在标题中，我只想知道，如何在pytorch中加载我自己的测试数据（image.jpg），以测试我的CNN。

Answer 1

您需要像在训练中一样将图像馈入网络：也就是说，您应该应用完全相同的变换以获得相似的结果。

假设您的网络是使用this code（或类似方法）训练的，则可以看到（用于验证的）输入图像经历了以下transformations：

transforms.Compose([
            transforms.Resize(256),
            transforms.CenterCrop(224),
            transforms.ToTensor(),
            normalize,
        ])),

在torchvision.transforms文档之后，您可以看到输入图像通过了：

调整为256x256像素
从图像中心裁剪224x224矩形
图像已从uint8数据类型转换为浮点数，位于[0, 1]范围内，并转置为3×224×224数组
通过减去均值并除以标准差，图像为normalize。

您可以手动对所有图像进行

import numpy as np
from PIL import Image

pil_img = Image.open('image.jpg').resize((256, 256), Image.BILINEAR)  # read and resize
# center crop
w, h = pil_img.size
i = int(round((h - 224) / 2.))
j = int(round((w - 224) / 2.))
pil_img = pil_img.crop((j, i, j+224, i+224))
np_img = np.array(pil_img).astype(np.float32) / 255.
np_img = np.transpose(np_img, (2, 0, 1))  
# normalize
mean = [0.485, 0.456, 0.406]
std = [0.229, 0.224, 0.225]
for c in range(3):
  np_img = (np_img[c, ...] - mean[c]) / std[c]

一旦np_img为模型准备就绪，就可以运行前馈传递：

pred = model(np_img[None, ...])  # note that we add a singleton leading dim for batch

Answer 2

感谢您的回复。我的问题是加载测试数据，并且我找到了解决方案。

test_data = datasets.ImageFolder('root/test_cnn', transform=transform)

例如，如果我有2个目录cat＆dog（在test_cnn目录中）包含图像，则Object ImageFolder将自动为我的图像分配cat和dog类。

在测试期间，我只需要删除类。

将测试数据加载到pytorch

2 个答案: