Question

我有一个像这样的网络用于图像分类，现在我有2个班级：

class ActionNet(Module):

    def __init__(self, num_class=4):

        super(ActionNet, self).__init__()



        self.cnn_layer = Sequential(

            #conv1

            Conv2d(in_channels=1, out_channels=32, kernel_size=1, bias=False),

            BatchNorm2d(32),

            PReLU(num_parameters=32),

            MaxPool2d(kernel_size=3),

            #conv2

            Conv2d(in_channels=32, out_channels=64, kernel_size=1, bias=False),

            BatchNorm2d(64),

            PReLU(num_parameters=64),

            MaxPool2d(kernel_size=3),

            #flatten

            Flatten(),

            Linear(576, 128),

            BatchNorm1d(128),

            ReLU(inplace=True),

            Dropout(0.5),

            Linear(128, num_class)

        )



    def forward(self, x):

        x = self.cnn_layer(x)

        return x

然后，在我训练了网络之后，我会使用以下代码预测图像：

def predict_image(image):



    input = torch.from_numpy(image)

    input = input.unsqueeze(1)

    input = input.to(device)

    output = model(input)

    index = output.data.cpu().numpy().argmax()

    return index

我如何获得所有类别的预测图像概率？因此结果将是概率为0 = 0.1、1 = 0.7的索引数组

Answer 1

要在此处从模型输出中获取概率，可以使用softmax函数。

尝试一下

import torch.nn.functional as F
...
prob = F.softmax(output, dim=1)
...

从预测的类pytorch获取概率

1 个答案: