1) How can i convert an RGB image into grayscale in Python?
4）Convert 3 channel image to 2 channel
7）torch.from_numpy VS torch.Tensor
8）torch.squeeze() 和torch.unsqueeze()
1）TypeError: ‘module’ object is not callable
2）TypeError: ‘collections.OrderedDict’ object is not callable
3) TypeError: init() missing 1 required positional argument: ‘XX’
4) RuntimeError: Error(s) in loading state_dict for PythonNet: Missing key(s) in state_dict:
1）实例化模型
Assume that the content of YourClass.py is:
class YourClass:
# ......
If you use:
from YourClassParentDir import YourClass # means YourClass
from model import PythonNet
net= PythonNet(T=16).eval().cuda()
2）加载模型
import torch
net.load_state_dict(torch.load('checkpoint_max.pth'),False)
3）输入图像
目的：从文件夹中加载所有图像组合为一个 numpy array 作为模型输入
原始图像输入维度：（480,640）
目标图像输入维度：（16,1,128,128）
import glob
from PIL import Image
import numpy as np
from torch.autograd import Variable
#获取图像路径
filelist = glob.glob('./testdata/a/*.jpg')
#打开图像open('frame_path')--》转换为灰度图convert('L')--》缩放图像resize((width, height)) --》合并文件夹中的所有图像为一个numpy array
x = np.array([np.array(Image.open(frame).convert('L').resize((128,128))) for frame in filelist])
#用torch.from_numpy这个方法将numpy类转换成tensor类
x = torch.from_numpy(x).type(torch.FloatTensor).cuda()
#扩充数据维度
x = Variable(torch.unsqueeze(x,dim=1).float(),requires_grad=False)
4）输出分类结果
outputs = net(x)
_, predicted = torch.max(outputs,1)
torch.max()这个函数返回输入张量中所有元素的最大值。
返回一个命名元组(values,indices)，其中values是给定维dim中输入张量的每一行的最大值。indices是找到的每个最大值的索引位置(argmax)。也就是说，返回的第一个值是对应图像在类别中的最大概率值，第二个值是最大概率值的对应类别。
5）完整代码
from PIL import Image
from torch.autograd import Variable
import numpy as np
import torch
import glob
from model import PythonNet
##############处理输入图像#######################################
#获取图像路径
filelist = glob.glob('./testdata/a/*.jpg')
#打开图像open('frame_path')--》转换为灰度图convert('L')--》缩放图像resize((width, height)) --》合并文件夹中的所有图像为一个numpy array
x = np.array([np.array(Image.open(frame).convert('L').resize((128,128))) for frame in filelist])
#用torch.from_numpy这个方法将numpy类转换成tensor类
x = torch.from_numpy(x).type(torch.FloatTensor).cuda()
#扩充数据维度
x = Variable(torch.unsqueeze(x,dim=1).float(),requires_grad=False)
#############定义预测函数#######################################
def predict(x):
net= PythonNet(T=16).eval().cuda()
net.load_state_dict(torch.load('checkpoint_max.pth'),False)
outputs = net(x)
_, predicted = torch.max(outputs,1)
print("_:",_)
print("predicted:",predicted)
print("outputs:",outputs)
############输入图像进行预测#####################################
predict(x)
1) How can i convert an RGB image into grayscale in Python?
2）PIL 处理图像的基本操作
3）图像通道数的理解
4）Convert 3 channel image to 2 channel
5）图像通道转换
6）将所有的图像合并为一个numpy数组
7）torch.from_numpy VS torch.Tensor
8）torch.squeeze() 和torch.unsqueeze()
1）TypeError: ‘module’ object is not callable
2）TypeError: ‘collections.OrderedDict’ object is not callable
3) TypeError: init() missing 1 required positional argument: ‘XX’
4) RuntimeError: Error(s) in loading state_dict for PythonNet: Missing key(s) in state_dict:
5) RuntimeError: Expected 4-dimensional input for 4-dimensional weight [128, 1, 3, 3], but got 2-dimensional input of size [480, 640] instead
6）RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same or input should be a MKLDNN tensor and weight is a dense tensor
Original: https://blog.csdn.net/June19/article/details/120861316
Author: 无穷QQ君
Title: Pytorch加载模型并进行图像分类预测
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/709635/
转载文章受原作者版权保护。转载请注明原作者出处！