我在PyTorch中创建了一个模型，并且运行得很好，但是当我想要测试单张图像时，设置batch_size=1总是返回第二个类（在这种情况下是狗）。
我尝试了batch大于1的情况，在所有情况下都能正常工作！
模型架构如下：
model = models.densenet121(pretrained=True)for param in model.parameters():param.requires_grad = Falsefrom collections import OrderedDictclassifier = nn.Sequential(OrderedDict([ ('fc1', nn.Linear(1024, 500)), ('relu', nn.ReLU()), ('fc2', nn.Linear(500, 2)), ('output', nn.LogSoftmax(dim=1)) ]))model.classifier = classifier所以我的张量形状是 [batch, 3, 224, 224]
我尝试了以下方法：
resizereshapeunsqueeze(0)当只有一张图像时，响应总是 [[0.4741, 0.5259]]
我的测试代码
from PIL import *msize = 256loader = transforms.Compose([transforms.Scale(imsize), transforms.ToTensor()])def image_loader(image_name): """load image, returns cuda tensor""" image = Image.open(image_name) image = loader(image).float() image = image.unsqueeze(0) return image.cuda()image = image_loader('Cat_Dog_data/test/cat/cat.16.jpg') with torch.no_grad(): logits = model.forward(image)ps = torch.exp(logits)_, predTest = torch.max(ps,1)print(ps) ## same value in all casesimagen_mostrar = images[ii].to('cpu') helper.imshow(imagen_mostrar,title=clas_perro_gato(predTest), normalize=True)第二个测试代码
andrea_data = datasets.ImageFolder(data_dir + '/andrea', transform=test_transforms)andrealoader = torch.utils.data.DataLoader(andrea_data, batch_size=1, shuffle=True)dataiter = iter(andrealoader)images, labels = dataiter.next()images, labels = images.to(device), labels.to(device)ps = torch.exp(model.forward(images))_, predTest = torch.max(ps,1) print(ps.float())如果我将batch_size改为1，总是返回一个张量，说明这是一只狗，例如[0.43,0.57]。
谢谢！
回答：
我意识到我的模型没有处于eval模式。
所以我只是添加了model.eval()，现在无论batch大小是多少都能正常工作了
