多类图像分类中预测的推理代码

【问题标题】：Inference code for prediction in multi-class image classification多类图像分类中预测的推理代码
【发布时间】：2019-01-04 11:57:05
【问题描述】：

我正在尝试获取单个输入图像并预测其标签。训练数据图像被转换为数组，标签为 int，并在输入分类器之前使用 DatasetMixin 制作成单个数据集。所以我已经将图像转换为数组。

当我尝试使用给定的代码时..这是错误... 期望：in_types[0].shape[1] == in_types[1].shape[1] * 1 实际：240 != 3

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([img]))
y = model(x)
prediction = y.data.argmax(axis=1)

【问题讨论】：

标签： python-3.x image-processing chainer

【解决方案1】：

模型的细节对于准确的答案是必要的......

但我猜该模型需要一个形状为 (batch, channel, width, height) 的数组，但是您提供给模型的数组的形状似乎是 (width, height, channel)。

这可能是错误消息的原因。

【讨论】：

数组的形状是 9957, 3,60,80，其中 9957 是总数。的图像。我们可以将 9957 视为批量大小吗？如果不是，我们如何将 batchsize 引入数组？
不，不可能（如果您运行此问题中给出的脚本），因为它只提供一个图像。确实，如果数组的大小是(9957, 3, 60, 80)，“9957”可以解释为batch size，但通常batch size小于它（通常使用128）。跨度>
我无法将形状更改为批量大小、通道、高度、宽度。如何删除 9957 并将 batchsize 放在它的位置？我试过使用 np.newaxis 但这让我输入 shape = 1, 9957, 3, 60, 80。