lua - 使用 torch7 模型测试单个图像

Question

我根据链接 here 训练了我的模型。当我训练它时，它的准确率几乎达到了 90%。我正在使用 vgg_bn_drop.lua 模型，您可以在链接上找到它。但问题是，我不知道如何测试单个图像。

我知道如何测试模型。通过网络向前传递图像。

因此，测试模型将需要modelname:forward(image)。其中 modelname 是我训练的模型的名称，forward 用于转发模型，'image' 是我要转发的图像位置。现在，我无法计算出该网络中单个图像的尺寸是多少。

所以，我想做的是拍一张照片。假设图像的尺寸为 [3x32x32]。通过网络传递它并得到结果。这个网络可以吗？

那里没有文档如何测试单个图像。

到目前为止我尝试的是，

1)声明大小为 (3x32x32) 的张量。我们称之为图像。 `图像 = torch.Tensor(3x32x32).向前传递这个。

模型:前向(图像)

它会产生错误...h/install/share/lua/5.1/nn/SpatialBatchNormalization.lua:68:仅支持小批量(4D 张量)，而是获取 3D 张量

2)我将图像 reshape 为(1,3,32,32)

图像 = image:reshape(1,3,32,32)向前传递这个

模型:前向(图像)

它会产生错误...ch/torch/install/share/lua/5.1/nn/BatchNormalization.lua:67:仅支持小批量(2D 张量)，改为 1D 张量

所以我尝试了一些方法。但无法弄清楚如何将单个图像传递到该网络。你能帮我一下吗？

模型定义为

require 'nn'

local vgg = nn.Sequential()
-- building block
local function ConvBNReLU(nInputPlane, nOutputPlane)
  vgg:add(nn.SpatialConvolution(nInputPlane, nOutputPlane, 3,3, 1,1, 1,1))
  vgg:add(nn.SpatialBatchNormalization(nOutputPlane,1e-3))
  vgg:add(nn.ReLU(true))
  return vgg
end
-- Will use "ceil" MaxPooling because we want to save as much feature space as we can
local MaxPooling = nn.SpatialMaxPooling

ConvBNReLU(3,64):add(nn.Dropout(0.3))
ConvBNReLU(64,64)
vgg:add(MaxPooling(2,2,2,2):ceil())
ConvBNReLU(64,128):add(nn.Dropout(0.4))
ConvBNReLU(128,128)
vgg:add(MaxPooling(2,2,2,2):ceil())
ConvBNReLU(128,256):add(nn.Dropout(0.4))
ConvBNReLU(256,256):add(nn.Dropout(0.4))
ConvBNReLU(256,256)
vgg:add(MaxPooling(2,2,2,2):ceil())
ConvBNReLU(256,512):add(nn.Dropout(0.4))
ConvBNReLU(512,512):add(nn.Dropout(0.4))
ConvBNReLU(512,512)
vgg:add(MaxPooling(2,2,2,2):ceil())
ConvBNReLU(512,512):add(nn.Dropout(0.4))
ConvBNReLU(512,512):add(nn.Dropout(0.4))
ConvBNReLU(512,512)
vgg:add(MaxPooling(2,2,2,2):ceil())
vgg:add(nn.View(512))
vgg:add(nn.Dropout(0.5))
vgg:add(nn.Linear(512,512))
vgg:add(nn.BatchNormalization(512))
vgg:add(nn.ReLU(true))
vgg:add(nn.Dropout(0.5))
vgg:add(nn.Linear(512,10))

-- initialization from MSR
local function MSRinit(net)
  local function init(name)
    for k,v in pairs(net:findModules(name)) do
      local n = v.kW*v.kH*v.nOutputPlane
      v.weight:normal(0,math.sqrt(2/n))
      v.bias:zero()
    end
  end
  init'nn.SpatialConvolution'
end

MSRinit(vgg)
return vgg

Answer 1

嗯，错误很明显:nn.BatchNormalization 期望 2D 张量作为输入(批处理)，但收到 1D 张量。您向输入添加了批量尺寸 (image:reshape(1,3,32,32))，但通过网络时，尺寸丢失了。 nn.View模块对此有罪。

假设模块是使用以下参数实例化的:

output_size = channels*height*width    -- (512 in your case)
view = nn.View(output_size)

它被赋予形状为batch_size xchannels x height x width(1x512x1x1)的输入张量。该模块现在必须决定是返回批量输出还是单个非批量输出。

1. 如果 batch_size > 1，答案很明显:batch_size*channels*height*width 是 output_size => 输入的倍数是一个批处理 => 输出必须是一个批处理。
2. 如果batch_size == 1，那么怎么办？ 1*channels*height*width == output_size，输入是否是批处理？ nn.View 假设它不是，并生成单个输出(没有批量维度)。

为了解决这个误解，可以指定非批处理维度的数量 NB(如果输入有 NB+1 维度，则为批处理):

view:setNumInputDims(NB)

根据上述内容，这将解决您的问题:

vgg:add(nn.View(512):setNumInputDims(3))