如何在 MNIST 训练的网络上测试我自己的图像？

如何解决如何在 MNIST 训练的网络上测试我自己的图像？

这是我第一次尝试训练网络并使用 PyTorch，所以如果这很简单，请见谅。

我有一个预训练的 AlexNet 网络，该网络经过修改以对 3 个类别进行分类，我已经在映射到 3 个不同标签的 MNIST 上对其进行了训练。

class Net( nn.Module ) :
    def __init__( self ) :
        super( Net,self ).__init__()
        
        self.model = models.alexnet( pretrained = True )
        # changed in_channels from 3 to 1 bc images are black and white 
        self.model.features[ 0 ] = nn.Conv2d( 1,64,kernel_size = 11,stride = 4,padding = 2 )
        
        # binary classifier -> 3 out_features
        self.model.classifier[ 4 ] = nn.Linear( 4096,1024 )
        self.model.classifier[ 6 ] = nn.Linear( 1024,3 )
        
    def forward( self,x ):
        return self.model( x )
    
model = Net().to( device )

我想在我绘制的单个 .png 图像上进行测试，该图像已经是 255x255 的黑白图像。我想要预测的标签。这是我迄今为止用于预处理图像的代码：

from PIL import Image
import matplotlib.pyplot as plt
import cv2
image_8 = Image.open( "eight.png" ).convert('L')

image_8 = list( image_8.getdata())
normalized_8 = [(255 - x) * 1.0 / 255.0 for x in image_8 ]
tensor_8 = torch.FloatTensor( normalized_8 )

pred = model( tensor_8 )

从中我得到以下错误：Expected 4-dimensional input for 4-dimensional weight [64,1,11,11],but got 1-dimensional input of size [50176] instead。所以这显然是错误的做事方式，但我不确定如何继续。

解决方法

将您的推理代码更改为以下内容。图像不打算展平为 1d。

import matplotlib.pyplot as plt
import cv2
image_8 = cv2.imread("eight.png")

# following line may or may not be necessary
image_8 = cv2.cvtColor(image_8,cv2.COLOR_BGR2GRAY)

# you can divide numpy arrays by a constant natively
image_8 /= 255.

# This makes a 4d tensor (batched image) with shape [1,channels,width,height]
image_8 = torch.Tensor(tensor_8).unsqueeze(axis=0)

pred = model(image_8)

如果图像仍然是 3d（[1,height] 的形状），请添加第二个 .unsqueeze(axis=0)。