【发布时间】：2018-08-09 05:50:06
【问题描述】：
我一直在学习一门在线课程，其中一个练习是创建一个简单的图像检测模型（使用 MNIST 数据）来检测书面数字。我一直在尝试加载我绘制的自定义图像（128x128 jpg），但我似乎无法弄清楚。我真的很接近，但我想我只是对模型采用的参数感到困惑。任何帮助将不胜感激！
【问题讨论】：
标签： python neural-network deep-learning pytorch mnist
【发布时间】：2018-08-09 05:50:06
【问题描述】：
只需将您的图像转换为值介于 0 和 1 之间的 128x128 numpy 数组。
然后：
image = Variable(torch.from_numpy(image))[None, :, :]
classification = model(image)
classification 然后是一个 pytorch 变量，其中包含属于每个类的概率。
【讨论】：
-
好的，这就是我输入数据的方式（我将其设为 1x1x28x28，因为我认为模型正试图接收一堆图像）link to gist 但数据全错了，几乎是随机的。看起来我在某处做错了一些转换？
-
你的模型是全连接的还是卷积的？如果它是卷积的（正如人们所期望的那样），则不应将数据展平：
data = np.array( img, dtype='float' ).flatten()。通常 MNIST 没有通道暗淡，因为它没有颜色，所以通常你输入网络的形状是MBx28x28 -
对。我刚刚又看了你的代码。实际上，您正在使用完全连接的网络。因此，您的要点是正确的。
-
你知道我为什么会得到随机结果吗？我打印出了我输入的数据，它看起来和测试数据完全一样。不知道是什么导致了它：（
-
我不知道你所说的“随机结果”是什么意思。您需要更好地解释问题所在。例如，您的模型可能对您的训练数据过度拟合，它仅适用于训练数据而没有其他作用。你有验证集吗？您的验证损失如何？