GRadi-Py手电筒MNIST数字识别器

Question

我在YouTube https://www.youtube.com/watch?v=jx9iyQZhSwI上观看了以下视频，其中显示可以在Tensorflow中使用G收音机和MNIST数据集的学习模型。我已经读过和写过，它是有可能使用在Gradio，但我有问题，它的实施。有人知道怎么做吗？我的cnn火炬代码

import torch.nn as nn
class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        self.conv1 = nn.Sequential(         
            nn.Conv2d(
                in_channels=1,              
                out_channels=16,            
                kernel_size=5,              
                stride=1,                   
                padding=2,                  
            ),                              
            nn.ReLU(),                      
            nn.MaxPool2d(kernel_size=2),    
        )
        self.conv2 = nn.Sequential(         
            nn.Conv2d(16, 32, 5, 1, 2),     
            nn.ReLU(),                      
            nn.MaxPool2d(2),                
        )
        # fully connected layer, output 10 classes
        self.out = nn.Linear(32 * 7 * 7, 10)
    def forward(self, x):
        x = self.conv1(x)
        x = self.conv2(x)
        # flatten the output of conv2 to (batch_size, 32 * 7 * 7)
        x = x.view(x.size(0), -1)       
        output = self.out(x)
        return output, x    # return x for visualization

通过观看，我发现我需要改变Gradio使用的功能

def predict_image(img):
  img_3d=img.reshape(-1,28,28)
  im_resize=img_3d/255.0
  prediction=CNN(im_resize)
  pred=np.argmax(prediction)
  return pred

Answer 1

如果我把你的问题搞错了，我很抱歉，但据我所知，当你试图用你的函数预测图像时，你会出现一个错误。

这里有两个可能的提示。也许您已经实现了它们，但我不知道，因为代码片段非常小。

首先。是否将模型设置为评估模式？

CNN.eval()

在您完成模型的培训之后，要评估输入，而不需要对模型进行培训。

其次，也许您需要在输入张量"im_resize“中添加第四个维度。通常，您的模型期望输入的通道数、批大小、高度和宽度都有一个维度。此外，我无法判断您的输入是否属于数据类型torch.tensor。如果没有，首先将数组转换为张量。

可以将批处理维度添加到输入张量中，方法是

im_resize = im_resize.unsqueeze(0)

我希望我能正确理解你的问题，并能帮助你。