pytorch_基于CIFAR创建自己的数据集并显示图像

创建完自己的数据集训练完之后，开始了预测，如何看到预测图像 Next

• import cv2 用来显示图像
• 在原有测试数据文件中 增加图像显示功能

    def TestingData(self):
        model_net = torch.load('model_shanbu_128.pkl')
        self.LoadData()
        # 构造测试的dataloader
        dataiter = iter(self.testloader)
        # 预测正确的数量和总数量
        correct = 0
        total = 0
        # 使用torch.no_grad的话在前向传播中不记录梯度，节省内存
        to_pil_image  = transforms.ToPILImage()
        with torch.no_grad():
            for images, labels in dataiter:
                # images, labels = data
                # print(images)
                print(len(images.data))
                outputs = model_net(images)
                # 我们的网络输出的实际上是个概率分布，去最大概率的哪一项作为预测分类
                _, predicted = torch.max(outputs.data, 1)
                total += labels.size(0)
                correct += (predicted == labels).sum().item()
                # print(images.data[0])
                # print(len(images.data[0]))
                for i in range(len(images.data)):
                    # img = to_pil_image(images.data[i])
                    img = images.data[i]  # 
                    img = img.numpy()  # FloatTensor转为ndarray
                    img = np.transpose(img, (2, 1, 0))
                    img = img/2 +0.5
                    # img.show()
                    # img_cv = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
                    cv2.imshow('predictPic', img)
                    print('实际标签 {}，预测标签 {}'.format(labels[i],predicted[i]))
                    cv2.waitKey(0)
                    cv2.destroyAllWindows()
        print('Accuracy of the self.network on the 10000 test images: %d %%' % (
                100 * correct / total))

显示预测结果 并展示当前图像