【学习笔记】【Pytorch】十七、模型测试套路

一、内容概述

利用已经训练好的模型，然后给它提供输入，判断输出是否正确，即模型的应用测试。

在模型测试也会有一些坑：

• 神经网络的输入一般是4阶张量，而图片是3阶张量。
• 采用GPU训练的模型，不能直接在CPU上使用。

二、模型测试套路

在模型测试也会有一些坑：

• 神经网络的输入一般是4阶张量(batch_size, Channel, Hight, weight)，而图片是3阶张量(Channel：3, Hight：32, Weight：32)。
  解决方案：torch.reshape() API变换shape。

• 采用GPU训练的模型，不能直接在CPU上使用。

  • 解决方案1：将GPU训练的模型映射到CPU上测试。
  • 解决方案2：GPU训练的模型不用映射到CPU上，将图片映射到GPU上测试。

代码实现

import torch
import torchvision
from PIL import Image
from CIFAR_model import Model  # 导入CIFAR_model.py里的Model类定义

image_path = "./dog2.png"
image = Image.open(image_path)  # 加载3通道的图片数据，3阶张量
print(image