Beeldclassificatie met ResNet

Je hebt het model gemaakt op basis van de voorgetrainde ResNet18. Nu is het tijd om het te testen op een voorbeeldafbeelding.

Je gaat preprocessing-transformaties toepassen op een afbeelding en deze classificeren. Je moet de softmax()-laag gebruiken, gevolgd door argmax(), omdat ResNet18 is getraind op een multi-class gegevensset.

Je hebt de volgende afbeelding geselecteerd om de voorspelling te testen: A cup of espresso

De preprocessing-transformatie is opgeslagen als preprocess. De PIL-afbeelding is geüpload als img.

Deze oefening maakt deel uit van de cursus

Deep Learning voor afbeeldingen met PyTorch

Cursus bekijken

Oefeninstructies

Pas de preprocessing-transformaties toe op de afbeelding en vorm deze om met .unsqueeze(0) om de batch-dimensie toe te voegen.
Stuur de afbeelding door het model, vorm de uitvoer om met .squeeze(0) om de batch-dimensie te verwijderen, en voeg een softmax()-laag toe.
Pas argmax() toe om de klasse met de hoogste waarschijnlijkheid te selecteren.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Apply preprocessing transforms
batch = ____.____

# Apply model with softmax layer
prediction = ____.____.____

# Apply argmax
class_id = prediction.____.item()
score = prediction[class_id].item()
category_name = weights.meta["categories"][class_id]
print(category_name)

Code bewerken en uitvoeren