1

我刚刚使用 Skorch 创建了一个神经网络来检测图片上的飞机，并使用形状为 的火车数据集对其进行了训练(40000, 64, 64, 3)。

然后我用(15000, 64, 64, 3).

module = nn.Sequential(
    nn.Conv2d(3, 64, 3),
    nn.BatchNorm2d(64),
    nn.ReLU(),
    nn.MaxPool2d(2),
    nn.Conv2d(64, 64, 3),
    nn.BatchNorm2d(64),
    nn.ReLU(),
    nn.MaxPool2d(2),
    nn.Conv2d(64, 64, 3),
    nn.BatchNorm2d(64),
    nn.ReLU(),
    nn.MaxPool2d(2),
    nn.Flatten(),
    nn.Linear(6 * 6 * 64, 256),
    nn.Linear(256, 256),
    nn.ReLU(),
    nn.Linear(256, 2),
    nn.Softmax(),
)

early_stopping = EarlyStopping(monitor='valid_loss', lower_is_better=True)
net = NeuralNetClassifier(
    module,
    max_epochs=20,
    lr=1e-4,
    callbacks=[early_stopping],
    # Shuffle training data on each epoch
    iterator_train__shuffle=True,
    device="cuda" if torch.cuda.is_available() else "cpu",
    optimizer=optim.Adam
)
net.fit(
    train_images_balanced.transpose((0, 3, 1, 2)).astype(np.float32),
    train_labels_balanced
)

现在我需要在 512*512 的图片上进行测试，所以我有了一个新的(30, 512, 512, 3).
所以我采用了一个滑动窗口代码，它允许我将图片分成 64*64 部分。

def sliding_window(image, stepSize, windowSize):
# slide a window across the image
for y in range(0, image.shape[0], stepSize):
    for x in range(0, image.shape[1], stepSize):
        # yield the current window
        yield (x, y, image[y:y + windowSize[1], x:x + windowSize[0]])

现在我希望能够预测每个 64*64 图像是否包含一架飞机，但我不知道该怎么做，因为net.predict()将数据集作为参数（arg : dim 4）

4

1 回答 1

0

net.predict() 将数据集作为参数 (arg : dim 4)

net.predict接受多种数据格式，其中包括数据集。但是，对于您的情况，最好是接受火炬张量或 numpy 数组 - 确实如此！只需将您的 64x64 块传递给net.predict，如下所示：

# (n, 512, 512, 3)
X = my_data
# (n, 4096, 64, 64, 3)
X = sliding_window(X, 64, 64)
# (n * 4096, 64, 64, 3)
X = X.reshape(-1, 64, 64, 3)
y = net.predict(X)
于 2019-12-10T10:12:49.530 回答