トーチ - 保存されたモデルを読み込み、分類するために単一の画像をテストする

Question

私はこのリポジトリのコードを使用しています - gtsrb。私は正常に95％以上の精度でモデルを訓練しました。しかし、すでに訓練されたモデルに対して単一の画像をテストする方法はわかりません。私はegg_net_best.h5という名前のsaved_modelsディレクトリに保存された訓練されたモデルを持っています。

は、ここで私がこれまで行っているものです：

input = image.load(path_to_single_image, 3) 
model = torch.load('saved_models/vgg_net_best.h5') 
output = model:forward(input) 

これは私に出力を提供しますが、私はフォーマットを理解していません。

1. 訓練されたモデルの右に対する単一の画像をテストするためのアプローチです：それは、この

   -3.1302 -2.7557 -3.6514 -5.1083 -0.4339 -3.6722 -6.7406 -4.1163 -3.2751 -3.0417 -2.4740 
   -4.6895 -4.5554 -1.1019 -4.1954 -1.0187 -3.2853 -4.7917 -5.1205 -2.6658 -2.3842 -2.8388 
   -3.2914 -2.7516 -2.1224 -4.6314 -0.7596 -3.0647 -5.5749 -3.9037 -3.4147 -2.9719 -1.9181 
   -3.7006 -3.0220 -2.3870 -5.2183 -0.5729 -3.1286 -6.1271 -4.4617 -3.6552 -3.1698 -1.9662 
   -2.4560 -2.7865 -2.0729 -2.7589 -2.4757 -2.6934 -1.3172 -2.5542 -3.0839 -3.2817 -2.4930 
   -3.5149 -3.2504 -2.4154 -4.9333 -0.6504 -3.3700 -5.3838 -4.4408 -2.5233 -2.3310 -2.4659 
   -3.5452 -4.1833 -3.3995 -2.3409 -2.9932 -2.7852 -0.5702 -3.0504 -2.8158 -3.8218 -3.9147 
   -3.1225 -2.7842 -2.9371 -4.6879 -0.6197 -3.1266 -5.6755 -4.0995 -3.7424 -3.1942 -1.8000 
   -2.9004 -2.4582 -2.5652 -4.6114 -0.6186 -3.3890 -4.1276 -3.7448 -3.1053 -3.0396 -2.6929 
   

   質問のように見える9x11テンソルは私に与えますか？

2. 9x11テンソルが1x11でなければならないのはなぜですか？

誰かが正しい方向を指すことができますか？

PS：この質問SO- training single imageは、私が探しているものではありません。

編集1：

私は次のようでしたが、結果は全く同じです提案を1として。

のLUA 5.1著作権（C）1994から2008 Lua.org、PUC-リオ

パス= '/Users/pamio/Workspace/practices/torch/test_model/test/00010/IMG_2522.JPG'

入力= image.load（経路3）

モデル= torch.load（ 'saved_models/vgg_net_best.h5'）

モデル：（評価）

出力=モデル：10

にEXP（）

=出力

列1

0.0257 0.0621 0.0027 0.0169 0.0132 0.0530 0.6320 0.0798 0.0022 0.0138 0.0985 
    0.1033 0.0838 0.0705 0.0609 0.1639 0.0678 0.1156 0.0971 0.0653 0.1042 0.0676 
    0.0101 0.0262 0.0010 0.0053 0.0014 0.0312 0.8307 0.0349 0.0002 0.0050 0.0541 
    0.0666 0.1656 0.0054 0.0337 0.0112 0.0537 0.3638 0.1694 0.0062 0.0134 0.1111 
    0.0589 0.0663 0.0298 0.0148 0.1565 0.0976 0.2328 0.1159 0.0324 0.0978 0.0972 
    0.0511 0.0786 0.0153 0.0549 0.0341 0.1121 0.3010 0.1052 0.0314 0.0994 0.1169 
    0.0619 0.0777 0.0395 0.0521 0.0358 0.1125 0.3184 0.0785 0.0150 0.0588 0.1498 
    0.0153 0.0319 0.0009 0.0080 0.0015 0.0386 0.7779 0.0449 0.0003 0.0079 0.0726 
    0..0285 0.0059 0.0062 0.0048 0.0455 0.7893 0.0269 0.0013 0.0177 0.0615 

    [torch.DoubleTensor of size 9x11] 

EDIT2：フォワード（入力）

> print(model) 
nn.Sequential { 
    [input -> (1) -> (2) -> output] 
    (1): nn.Sequential { 
     [input -> (1) -> (2) -> (3) -> (4) -> (5) -> (6) -> (7) -> (8) -> (9) -> (10) -> (11) -> (12) -> (13) -> (14) -> (15) -> (16) -> (17) -> (18) -> (19) -> (20) -> (21) -> output] 
    (1): nn.SpatialConvolution(3 -> 32, 3x3, 1,1, 1,1) 
    (2): nn.SpatialBatchNormalization (4D) (32) 
    (3): nn.ReLU 
    (4): nn.SpatialConvolution(32 -> 32, 3x3, 1,1, 1,1) 
    (5): nn.SpatialBatchNormalization (4D) (32) 
    (6): nn.ReLU 
    (7): nn.SpatialMaxPooling(2x2, 2,2) 
    (8): nn.SpatialConvolution(32 -> 64, 3x3, 1,1, 1,1) 
    (9): nn.SpatialBatchNormalization (4D) (64) 
    (10): nn.ReLU 
    (11): nn.SpatialConvolution(64 -> 64, 3x3, 1,1, 1,1) 
    (12): nn.SpatialBatchNormalization (4D) (64) 
    (13): nn.ReLU 
    (14): nn.SpatialMaxPooling(2x2, 2,2) 
    (15): nn.SpatialConvolution(64 -> 128, 3x3, 1,1, 1,1) 
    (16): nn.SpatialBatchNormalization (4D) (128) 
    (17): nn.ReLU 
    (18): nn.SpatialConvolution(128 -> 128, 3x3, 1,1, 1,1) 
    (19): nn.SpatialBatchNormalization (4D) (128) 
    (20): nn.ReLU 
    (21): nn.SpatialMaxPooling(2x2, 2,2) 
    } 
(2): nn.Sequential { 
    [input -> (1) -> (2) -> (3) -> (4) -> (5) -> (6) -> (7) -> output] 
    (1): nn.View(4608) 
    (2): nn.Linear(4608 -> 512) 
    (3): nn.ReLU 
    (4): nn.BatchNormalization (2D) (512) 
    (5): nn.Dropout(0.500000) 
    (6): nn.Linear(512 -> 11) 
    (7): nn.LogSoftMax 
    } 
} 

Answer 1

画像あなたのように思えます読み込みに正しいサイズがありません。ネットワークは3x48x48の画像で訓練されていましたが、モデルの内側のレイヤーを台無しにし、単一の画像ではなくバッチとして扱うように、高さと幅を大きくしました。

次のコードは、私のために働いている：

model:evaluate(); 

-- We assume that the image has a wrong size, place here your image loading code 
img = torch.Tensor(3, 200, 200) 
-- First we scale it to 3x48x48 
img = image.scale(img, 48, 48, 'bilinear') 
-- Then to avoid errors with the batchnorm layer we make it 4D 
-- (batchNorm expects a 4D tensor) 
image = image:reshape(1, 3, 48, 48) 
-- Feed the image to the network, add the :exp() if we want to retrieve the probs. 
pred = model:forward(img):exp() 


-- output 
Columns 1 to 10 
0.01 * 
9.4125 9.0546 8.9142 9.0716 9.0065 9.0865 9.4289 8.7353 9.2937 9.2811 

Columns 11 to 11 
0.01 * 
8.7152 
[torch.DoubleTensor of size 1x11]