Класифікація зображень за допомогою ResNet

Ви створили модель на основі попередньо натренованої ResNet18. Тепер час перевірити її на прикладовому зображенні.

Ви застосуєте перетворення попередньої обробки до зображення та виконаєте класифікацію. Потрібно використати шар softmax(), а потім argmax(), адже ResNet18 було натреновано на багатокласному наборі даних.

Ви обрали таке зображення для тестування передбачення: Чашка еспресо

Перетворення попередньої обробки збережено як preprocess. Зображення PIL завантажено як img.

Ця вправа є частиною курсу

Глибоке навчання для зображень із PyTorch

Переглянути курс

Інструкції до вправи

Застосуйте перетворення попередньої обробки до зображення та змініть форму за допомогою .unsqueeze(0), щоб додати вимір пакета (batch).
Пропустіть зображення через модель, змініть форму виходу за допомогою .squeeze(0), щоб прибрати вимір пакета, і додайте шар softmax().
Застосуйте argmax(), щоб вибрати клас із найбільшою ймовірністю.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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)

Редагувати та запускати код