Question

对于pytorch模型，我发现this tutorial解释了如何对图像进行分类。我尝试将相同的程序应用于初始模型。但是，对于我在

中加载的每个图像，模型都会失败

代码：

# some people need these three lines to make it work
#from torchvision.models.inception import model_urls
#name = 'inception_v3_google'
#model_urls[name] = model_urls[name].replace('https://', 'http://')

from torch.autograd import Variable
import torchvision
import requests
from torchvision import models, transforms
from PIL import Image
import io
from PIL import Image

LABELS_URL = 'https://s3.amazonaws.com/outcome-blog/imagenet/labels.json'

# cat
IMG_URL1 = 'http://farm2.static.flickr.com/1029/762542019_4f197a0de5.jpg'

# dog
IMG_URL2 = 'http://farm3.static.flickr.com/2314/2518519714_98b01968ee.jpg'

# lion
IMG_URL3 = 'http://farm1.static.flickr.com/62/218998565_62930f10fc.jpg'


labels = {int(key):value for (key, value)
          in requests.get(LABELS_URL).json().items()}


model = torchvision.models.inception_v3(pretrained=True)
model.training = False
model.transform_input = False



def predict_url_img(url):
    response = requests.get(url)
    img_pil = Image.open(io.BytesIO(response.content))

    normalize = transforms.Normalize(
       mean=[0.485, 0.456, 0.406],
       std=[0.229, 0.224, 0.225]
    )
    preprocess = transforms.Compose([
       transforms.Scale(256),
       transforms.CenterCrop(299),
       transforms.ToTensor(),
       normalize
    ])

    img_tensor = preprocess(img_pil)
    img_tensor.unsqueeze_(0)
    img_variable = Variable(img_tensor)
    fc_out = model(img_variable)
    print("prediction:", labels[fc_out.data.numpy().argmax()])

predict_url_img(IMG_URL1)
predict_url_img(IMG_URL2)
predict_url_img(IMG_URL3)

作为输出，我得到了这个：

（＆＃39;预测：＆＃39;，你＆＃34;柱塞，水管工＆＃39;帮助＆＃34;）

（＆＃39;预测：＆＃39;，你＆＃39;塑料袋＆＃39;）

（＆＃39;预测：＆＃39;，你＆＃34;柱塞，水管工＆＃39;帮助＆＃34;）

Answer 1

我发现在应用模型之前需要调用model.eval()。由于批量标准化和退出层，模型在培训和测试方面有所不同。

Answer 2

我执行了添加model.eval()行的代码并获得了：

('prediction:', u'Egyptian cat')
('prediction:', u'groenendael')
('prediction:', u'lion, king of beasts, Panthera leo')

但是，如果我更改预处理（只是删除normalize操作并设置model.transform_input = True以使用PyTorch中的Inception v3的默认预处理），结果会略有不同：

('prediction:', u'tiger cat')
('prediction:', u'Border collie')
('prediction:', u'lion, king of beasts, Panthera leo')

我不是猫狗专家，但快速谷歌搜索表明这些结果更准确（输入图片中的猫似乎更接近虎猫而不是< em>埃及猫和 Border collie 狗看起来与 groenendael 的输入相似。

我的观点是，我认为应该使用inception_v3默认预处理（除非您将其更改为model.transform_input = False，这是默认行为）而不是经典规范化，但我无法找到关于此的明确答案

This thread讨论了这件事。

希望这有助于某人。

pytorch inception模型为每个输入图像输出错误的标签

2 个答案: