多class图像classification中预测的推理代码
Inference code for prediction in multi-class image classification
我正在尝试获取单个输入图像并预测其标签。训练数据图像被转换为数组，标签被转换为 int，并在输入分类器之前使用 DatasetMixin 制成单个数据集。所以我已经将图像转换为数组。
当我尝试使用给定的代码时..这是错误...
期望：in_types[0].shape[1] == in_types[1].shape[1] * 1
实际：240 != 3
img = cv2.imread('C:/Users/Dell/Desktop/TEST IMAGES/MONOCYTE.jpeg')
plt.imshow(img)
plt.show()
img=np.array((img), dtype = np.float32)
img=img/255.0
x = Variable(np.asarray([img]))
y = model(x)
prediction = y.data.argmax(axis=1)
模型的详细信息是准确答案所必需的...
但是我猜想模型需要一个形状为(batch, channel, width, height)的数组，但是你喂给模型的数组的形状好像是(width, height, channel)。
这可能是错误消息的原因。
我正在尝试获取单个输入图像并预测其标签。训练数据图像被转换为数组，标签被转换为 int，并在输入分类器之前使用 DatasetMixin 制成单个数据集。所以我已经将图像转换为数组。
当我尝试使用给定的代码时..这是错误... 期望：in_types[0].shape[1] == in_types[1].shape[1] * 1 实际：240 != 3
img = cv2.imread('C:/Users/Dell/Desktop/TEST IMAGES/MONOCYTE.jpeg')
plt.imshow(img)
plt.show()
img=np.array((img), dtype = np.float32)
img=img/255.0
x = Variable(np.asarray([img]))
y = model(x)
prediction = y.data.argmax(axis=1)
模型的详细信息是准确答案所必需的...
但是我猜想模型需要一个形状为(batch, channel, width, height)的数组，但是你喂给模型的数组的形状好像是(width, height, channel)。
这可能是错误消息的原因。