Pytorch的{{1}}软件包提供pre-trained neural networks用于图像分类。我一直在使用以下代码使用Alexnet对图像进行分类（注意：其中一些代码来自this webpage）：
torchvision总共有1,000个类别，而from PIL import Image
import torch
from torchvision import transforms
from torchvision import models
# function to transform image
transform = transforms.Compose([
transforms.Resize(224),
transforms.CenterCrop(224),
transforms.ToTensor(),
transforms.Normalize(
mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225])])
# image
img = Image.open('/path/to/image.jpg')
img = transform(img)
img = torch.unsqueeze(img, 0)
# alexnet
alexnet = models.alexnet(pretrained=True)
alexnet.eval()
out = alexnet(img)
percents = torch.nn.functional.softmax(out, dim=1)[0] * 100
top5_vals, top5_inds = percents.topk(5)
变量为我提供了前5个类别的索引。但是如何获得相关的标签（例如蜗牛，篮球，香蕉）？我似乎找不到任何种类的列表作为Pytorch文档或top5_inds变量的一部分。
答案 0 :(得分：2)
Torchvision模型在ImageNet数据集上进行了预训练。由于其全面性和规模，ImageNet是用于预培训和转移学习的最常用数据集。如您所述，它有1000个类。可以搜索完整的课程列表，或者您可以在GitHub上参考以下列表：https://gist.github.com/yrevar/942d3a0ac09ec9e5eb3a