Gradio - Pytorch MNIST 数字识别器

Question

我在 YouTube 上观看了以下视频 https://www.youtube.com/watch?v=jx9iyQZhSwI 其中表明可以在 Tensorflow 中使用 Gradio 和 MNIST 数据集的学习模型。我读过并写过可以在 Gradio 中使用 Pytorch，但我在实现时遇到了问题。有谁知道如何做到这一点？ 我的 cnn Pytorch 代码

import torch.nn as nn
class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        self.conv1 = nn.Sequential(         
            nn.Conv2d(
                in_channels=1,              
                out_channels=16,            
                kernel_size=5,              
                stride=1,                   
                padding=2,                  
            ),                              
            nn.ReLU(),                      
            nn.MaxPool2d(kernel_size=2),    
        )
        self.conv2 = nn.Sequential(         
            nn.Conv2d(16, 32, 5, 1, 2),     
            nn.ReLU(),                      
            nn.MaxPool2d(2),                
        )
        # fully connected layer, output 10 classes
        self.out = nn.Linear(32 * 7 * 7, 10)
    def forward(self, x):
        x = self.conv1(x)
        x = self.conv2(x)
        # flatten the output of conv2 to (batch_size, 32 * 7 * 7)
        x = x.view(x.size(0), -1)       
        output = self.out(x)
        return output, x    # return x for visualization

通过观察我发现我需要更改 Gradio 使用的函数

def predict_image(img):
  img_3d=img.reshape(-1,28,28)
  im_resize=img_3d/255.0
  prediction=CNN(im_resize)
  pred=np.argmax(prediction)
  return pred

Answer 1

如果我弄错了您的问题，我很抱歉，但据我了解，您在尝试使用函数预测图像来预测数字时遇到了错误。

所以这里有两个可能的提示。也许您已经实现了它们，但我不知道，因为代码片段非常小。

首先。您是否在完成模型训练后使用 Do 将模型设置为评估模式

CNN.eval()

，并且希望在不训练模型的情况下评估输入。

其次，也许您需要向输入张量“im_resize”添加第四个维度。通常，您的模型需要输入的通道数、批量大小、高度和宽度的维度。
此外，我无法判断您的输入是否是数据类型 torch.tensor 。如果不先将数组转换为张量。

向您的输入张量添加批量维度。

im_resize = im_resize.unsqueeze(0)

您可以使用“我希望我正确理解您的问题并能够帮助您”