1

我是一名高中生，在使用 PyTorch 和 LIME 方面没有太多经验。我的图像形状有很多问题。最初我的图像形状是 (3,224,224)，但是 LIME 算法仅适用于这种形状的图像 (...,...,3)。结果，我之前尝试过转置图像。通过这样做，我似乎取得了一些进步，但是，现在我遇到了一个不同的错误。这是我的一些代码，用于了解在错误出现之前我一直在做什么。

def get_preprocess_transform():    
transf = transforms.Compose([
  #  transforms.ToPILImage(), #had to convert image to PIL as error was showing up two cells below about needing it in pil
    transforms.Resize(input_size),
    transforms.CenterCrop(input_size),
    transforms.ToTensor(),
    transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]),
    
])    

return transf    

preprocess_transform = get_preprocess_transform() ## use your data_transform but in a method version

def batch_predict(image):
    model_ft.eval()
    batch = torch.reshape(image,(1,3,224,224))
    print(type(batch))
    
    
    
    logits = model_ft(batch)
    probs = F.softmax(logits, dim=1)
    return probs.detach().cpu().numpy()


print(img_t.shape)
img_t = torch.reshape(img_t,(1,3,224,224))
test_pred = batch_predict(img_t)
test_pred.squeeze().argmax()

img_t = np.ones((3, 224, 224))
np.transpose(img_t, (2,1,0)).shape

img_x = np.transpose(img_t, (2, 1, 0))
print(img_x.shape)

from lime import lime_image

explainer = lime_image.LimeImageExplainer()
explanation = explainer.explain_instance(img_x, ## pass your image, do not transform
                                        batch_predict, # classification function
                                        top_labels=5, 
                                        hide_color=0, 
                                        num_samples=1000)

这是来自“解释器单元”的错误消息

4

2 回答 2

0

您正在传递 NumPy 数组而不是torch.tensor在torch.reshape方法中。所以最好torch.tensor在开始时将输入转换为

因此，img_t应该是torch.tensor这里有一些方法来做到这一点

首先，使用torch.onesnumpynp.ones

img_t = torch.ones((3,224,224))

或torch.from_numpy稍后使用从 a 创建张量numpy.ndarray

img_t = np.ones((3, 224, 224))
img_t = torch.from_numpy(img_t)
于 2020-08-19T05:50:18.987 回答
0

使用此命令将 numpy.ndarray 转换为张量

img = torch.from_numpy(img).float() #use appropriate name of variable

于 2020-08-18T19:44:50.317 回答