二值图像分类的推理答案

【问题标题】：Inference for binary image classification二值图像分类的推理
【发布时间】：2023-03-10 20:17:01
【问题描述】：

这是血细胞的分类过程。我有 2 个课程：单核和多核。培训完成。 X_test 是图像数组，y_test 是标签数组。我正在尝试预测单个输入图像的标签。

我已将标签数组更改为 dtype int 并在 float32 中展平它和图像数组，就像我对训练图像和标签所做的那样。我是否需要像使用 DatasetMixin 制作训练数据集一样制作测试数据集？以及如何获得所需的结果。我只针对单个图像预测。

y_test = y_test.astype(int)
y_test = y_test.flatten()

batch_size = 1

dataset = MyDataset(X_test, y_test)
test_iter = iterators.SerialIterator(dataset, batch_size)

img = cv2.imread('C:/Users/Dell/Desktop/TEST IMAGES/MONOCYTE.jpeg')
plt.imshow(img)
plt.show()
img=np.array((img), dtype = np.float32)
img=img/255.0

x = Variable(np.asarray([X_test[0]]))
y = model(x)

prediction = y.data.argmax(axis=1)

在 y = model(x) 行之后出现错误： TypeError: call() 缺少 1 个必需的位置参数：'x'

TypeError: call() 缺少 1 个必需的位置参数：'x'

【问题讨论】：

请写下你是如何实例化model的。
我正在使用 Jupyter Notebook。我刚刚完成了同一个笔记本中的模型的训练。模型的名称是 MyModel。
Neerajan，请添加完整代码以便更好地理解问题。

标签： python-3.x image-processing conv-neural-network predict chainer

【解决方案1】：

您可能错过了labels，它被假定在训练期间被馈送到模型。

【讨论】：

标签分别是训练和测试数据集的 y_train 和 y_test。 y_train 被转换为 int 然后展平，然后使用 DatasetMixin 将其与 X_train 一起放入 dataset_train。然后将此 dataset_train 拆分为训练和验证（20%）部分，并使用 train_iter 输入模型。
x = Variable(np.asarray([X_test[0]])) ... 看来您只能随意选择图像部分。如果你想要“好”的答案，你必须提出最小的代码来重现。