[教训贴]Pytorch中使用tensorboard报错NotImplementedError: Got ＜class ‘dict‘＞, but numpy array, torch tensor

在PyTorch中使用预训练的`cat_dog_classifier.pth`模型，可以按照以下步骤进行： 1. **导入必要的库**： 首先，需要导入PyTorch和其他必要的库。 2. **定义模型结构**： 确保定义了与预训练模型相同的模型结构。 3. **加载预训练模型**： 使用`torch.load`函数加载预训练模型的参数。 4. **设置模型为评估模式**： 使用`model.eval()`将模型设置为评估模式。 5. **进行预测**： 使用模型进行预测。 以下是一个示例代码： ```python import torch import torch.nn as nn from torchvision import models, transforms from PIL import Image import numpy as np # 定义模型结构 class CatDogClassifier(nn.Module): def __init__(self): super(CatDogClassifier, self).__init__() self.model = models.resnet18(pretrained=False) num_ftrs = self.model.fc.in_features self.model.fc = nn.Linear(num_ftrs, 2) # 假设是二分类问题 def forward(self, x): return self.model(x) # 初始化模型 model = CatDogClassifier() # 加载预训练模型 model.load_state_dict(torch.load('cat_dog_classifier.pth', map_location=torch.device('cpu'))) model.eval() # 定义图像预处理步骤 preprocess = transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize( mean=[0.485, 0.456, 0.406], # 根据预训练模型使用的均值进行调整 std=[0.229, 0.224, 0.225] # 根据预训练模型使用的标准差进行调整 ) ]) # 加载并预处理图像 img = Image.open("path_to_your_image.jpg") img_t = preprocess(img) batch_t = torch.unsqueeze(img_t, 0) # 进行预测 with torch.no_grad(): out = model(batch_t) _, predicted = torch.max(out, 1) print('Predicted:', predicted.item()) ``` 在上述代码中，我们首先定义了一个与预训练模型相同的模型结构，然后加载了预训练的模型参数。接着，我们对输入图像进行了预处理，并使用模型进行了预测。