這里inference兩個程序的連接，如目標(biāo)檢測，可以利用一個程序提取候選框，然后把候選框輸入到分類cnn網(wǎng)絡(luò)中。

成都創(chuàng)新互聯(lián)公司是由多位在大型網(wǎng)絡(luò)公司、廣告設(shè)計公司的優(yōu)秀設(shè)計人員和策劃人員組成的一個具有豐富經(jīng)驗的團(tuán)隊，其中包括網(wǎng)站策劃、網(wǎng)頁美工、網(wǎng)站程序員、網(wǎng)頁設(shè)計師、平面廣告設(shè)計師、網(wǎng)絡(luò)營銷人員及形象策劃。承接：成都網(wǎng)站設(shè)計、成都網(wǎng)站制作、網(wǎng)站改版、網(wǎng)頁設(shè)計制作、網(wǎng)站建設(shè)與維護(hù)、網(wǎng)絡(luò)推廣、數(shù)據(jù)庫開發(fā),以高性價比制作企業(yè)網(wǎng)站、行業(yè)門戶平臺等全方位的服務(wù)。

這里常需要進(jìn)行一定的連接。

#加載訓(xùn)練好的分類CNN網(wǎng)絡(luò)
model=torch.load('model.pkl')

#假設(shè)proposal_img是我們提取的候選框，是需要輸入到CNN網(wǎng)絡(luò)的數(shù)據(jù)

#先定義transforms對輸入cnn的網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行處理，常包括resize、totensor等操作
data_transforms=transforms.Compose([transforms.RandomSizedCrop(224),
transforms.ToTensor()])

#由于transforms是對PIL格式數(shù)據(jù)操作，所以必要時轉(zhuǎn)化格式

def tensor_to_PIL(tensor):
 image = tensor.cpu().clone()
 image = image.squeeze(0)
 image = unloader(image)
 return image
 
#unqueeze（0）是加多一維，對應(yīng)原來batchsiaze
data=data_transforms(proposal_img).unqueeze(0)

#新版本pytorch已經(jīng)不用variable，可以省略這句
data=Variable（data）
#貌似這句也是多余的
torch.no_grad()

predict=F.softmax(model(data.cuda()).cuda())

分享標(biāo)題：pytorch中的inference使用實例-創(chuàng)新互聯(lián)
當(dāng)前地址：http://weahome.cn/article/dpodsi.html