在pytorch中加载测试数据答案

【问题标题】：load test data in pytorch在pytorch中加载测试数据
【发布时间】：2019-04-22 02:57:12
【问题描述】：

全部在标题中，我只想知道，如何在pytorch中加载我自己的测试数据（image.jpg）来测试我的CNN。

【问题讨论】：

标签： python python-3.x deep-learning conv-neural-network pytorch

【解决方案1】：

您需要像在训练中一样将图像提供给网络：也就是说，您应该应用完全相同的转换来获得相似的结果。

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

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

按照torchvision.transforms docs，您可以看到输入图像通过：

调整为 256x256 像素
从图片中心裁剪 224x224 矩形
图像从 uint8 数据类型转换为 [0, 1] 范围内的浮点数，并转置为 3×224×224 数组
图像是normalize，减去均值并除以标准。

您可以对任何图像手动执行所有这些操作

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]

为您的模型准备好 np_img 后，您可以运行前馈传递：

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

【讨论】：

【解决方案2】：

感谢您的回复。我的问题是加载测试数据，我找到了解决方案。

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

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

在测试期间，我只需要放弃课程。

【讨论】：