我想在 PyTorch 中使用迁移学习的图像分类中显示的每个图片输出下显示准确性答案

【问题标题】：I want to show accuracy under each picture output shown in Image Classification with Transfer Learning in PyTorch我想在 PyTorch 中使用迁移学习的图像分类中显示的每个图片输出下显示准确性
【发布时间】：2020-05-01 01:34:54
【问题描述】：

我关注这个链接：https://stackabuse.com/image-classification-with-transfer-learning-and-pytorch/#settingupapretrainedmodel

但我是编码技能的新手。请告诉我如何在图像下显示准确度值。

【问题讨论】：

标签： python image classification pytorch data-visualization

【解决方案1】：

该示例中使用的模型返回一个形状的对数张量（批量大小、类别）。假设您所说的“准确度值”是具有最大概率的类别的预测概率，您需要做的是首先通过获取模型输出的 SoftMax 来计算您的概率，这给出了每个图像的预测概率在你的批次中。尽管我还没有测试过，但他们的形象化模型函数看起来像下面这样。

def visualize_model(model, num_images=6):
    was_training = model.training
    model.eval()
    images_handeled = 0
    fig = plt.figure()

    with torch.no_grad():
        for i, (inputs, labels) in enumerate(dataloaders['val']):
            inputs = inputs.to(device)
            labels = labels.to(device)

            outputs = model(inputs)
            probabilities = nn.functional.softmax(outputs, dim=-1) # compute probabilities
            _, preds = torch.max(outputs, 1)

            for j in range(inputs.size()[0]):
                images_handeled += 1
                ax = plt.subplot(num_images//2, 2, images_handeled)
                ax.axis('off')
                ax.set_title('predicted: {}, probability: {}'.format(class_names[preds[j]], probabilities[preds[j]])) # add predicted class probability
                imshow(inputs.cpu().data[j])

                if images_handeled == num_images:
                    model.train(mode=was_training)
                    return
        model.train(mode=was_training)

或者你的意思是整体分类准确率？

【讨论】：