resnet变量可以像函数一样调用， 将一个或多个图像作为输入， 并为1000个ImageNet类中的每个类生成对应的分数 。 然而， 在这样做之前， 我们必须对输入图像进行预处理， 使其大小合适， 并且使其值（颜色）大致位于相同的数值范围内 。 为了做到这一点， torchvision模块提供了transforms， 使我们能够快速定义基本预处理功能：




在本例中， 我们定义了一个预处理函数， 将输入图像缩放到256×256， 将图像围绕中心裁剪为224× 224， 将其转换为张量（Pytorch多维数组：在本例中， 是一个具有颜色、高度和宽度的3D数组）， 并通过定义均值和标准差对其RGB（红、绿、蓝）分量进行标准化 。 如果我们想让网络产生有意义的答案， 这些需要与训练期间呈现给网络的内容相匹配 。 在第7.1.3节中， 我们将在开始制作自己的图像识别模型时深入讨论转换 。


我们现在可以抓取我们最喜欢的狗的图片（比如说， GitHub repo中的bobby.jpg）， 对它进行预处理， 然后看看ResNet对它的看法 。 我们可以通过使用Pilllow（Python的图像处理模块）从本地文件系统加载图像开始(https://pillow.readthedocs.io/en/stable)：




如果我们从一个Jupyter笔记本开始跟着一起做， 我们将执行以下操作来查看内联图片（它将在下面显示<PIL.JpegImagePlugin…的位置）：




否则， 我们可以调用show方法， 它将弹出一个带有查看器的窗口， 以查看图2.4所示的图像：




【英雄联盟马匹查询器啥意思 英雄联盟怎么玩的】图 2.4 Bobby， 我们非常特殊的输入图片


接下来， 我们可以通过预处理管道传递图像：




然后我们可以按照网络所期望的方式对输入张量进行调整（reshape）、裁剪和规范化 。 我们将在接下来的两章中对此有更多的了解；抓紧时间试一下：




现在我们准备好运行我们的模型了！


在深度学习圈中， 对新数据运行训练模型的过程称为推理 。 为了进行推断， 我们需要将网络置于eval模式：




如果我们忘记了这一点， 一些预先训练好的模型， 比如batch normalization和dropout， 将不会产生有意义的答案， 这仅仅是因为它们内部的工作方式 。 现在eval已经设置好了， 我们可以进行推断了：




刚刚发生了一组惊人的操作， 涉及4450万个参数， 生成了1000个分数的向量， 每个ImageNet类一个 。 这是不是并没有花多少时间？


我们现在需要找出获得最高分数的分类的标签 。 这将告诉我们模型在图像中看到了什么 。 如果标签与人类对图像的描述匹配， 那就太好了！这意味着一切正常 。 如果不是， 那么要么是训练过程中出了问题， 要么是图像与模型期望的相差太大， 以致模型无法正确处理， 或者是存在其他类似的问题 。


为了查看预测标签的列表， 我们将加载一个文本文件， 按照标签在训练期间呈现给网络的相同顺序列出标签， 然后我们将在产生网络最高分数的索引处挑选标签 。 几乎所有用于图像识别的模型都以类似于我们将要处理的形式输出 。


让我们加载包含ImageNet数据集类的1000个标签的文件：


在这一点上， 我们需要确定对应于我们先前获得的out张量中的最大得分的索引 。 我们可以使用PyTorch中的max函数来实现， 它输出张量中的最大值以及出现最大值的索引：


我们现在可以使用索引来访问标签 。 这里， index不是一个简单的Python数字， 而是一个单元素一维张量（具体来说， 就是张量（[207]）， 所以我们需要使用index[0]将实际的数值作为索引放入标签列表中 。 我们还使用torch.nn.functional.softmax(http://mng.bz/BYnq)将输出标准化为[0， 1]的范围， 然后除以它们的和 。 这给了我们一些大致类似于模型对其预测的信心 。 在这种情况下， 模型有96%的把握知道它看到的是一只金毛猎犬：

• 淘小铺和淘宝联盟各有什么优势？具体情况介绍
• 英雄联盟排位战队有哪些 英雄联盟战队排行榜在哪看
• 淘宝联盟服务商实力分升级了哪些？怎么加分？
• 淘宝联盟怎么推广自己的店铺？技巧介绍！
• 推广员如何向客户宣传家具做展销的句子？ 卖板材又做全屋定制什么搞联盟
• 淘宝联盟设置佣金规则有哪些？怎么设置佣金？
• 淘宝联盟内容库是什么？内容商品库在哪？
• 淘宝联盟内容商品库加入有难度吗？怎么加入？
• 女英雄的历史事件 女英雄有哪些角色
• 洛基里的女的是谁 复仇者联盟人物介绍洛基