Deep-Learning-with-PyTorch-2.1.4

2.1.4 准备，设定，即将运行

好，我们刚得到什么？ 出于好奇，我们将窥视resnet101的外观。 我们可以通过打印返回模型的值来做到这一点。 这为我们提供了与2.3中看到的相同类型信息的文本表示，提供了有关网络结构的详细信息。 目前，这超出了我的信息范围，但是随着本书的进展，我们将增强理解此代码的能力：

# In[5]:
resnet

# Out[5]:
ResNet(
       (conv1): Conv2d(3, 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3),bias=False)
       (bn1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True,track_running_stats=True)
       (relu): ReLU(inplace)(maxpool): MaxPool2d(kernel_size=3, stride=2, padding=1, dilation=1,ceil_mode=False)
       (layer1): Sequential((0): Bottleneck(
           ...
           )
       )
       (avgpool): AvgPool2d(kernel_size=7, stride=1, padding=0)
       (fc): Linear(in_features=2048, out_features=1000, bias=True)
)

我们在这里看到的是模块，每行一个。 请注意，它们与Python模块没有任何共同点：它们是单独的操作，是神经网络的构建块。 它们在其他深度学习框架中也称为层。

如果向下滚动，我们会看到很多Bottleneck模块一个接一个地重复（其中有101个！），其中包含卷积和其他模块。 这就是典型的用于计算机视觉的深层神经网络的解剖结构：过滤器和非线性函数或多或少的顺序级联，最后以（fc）层为1,000个输出类（out_features）产生得分。

resnet变量可以像函数一样调用，将一个或多个图像作为输入，并为1,000个ImageNet类中的每一个产生相等数量的分数。 但是，在执行此操作之前，我们必须对输入图像进行预处理，以使其具有正确的大小，并使它们的值（颜色）大致位于相同的数值范围内。 为此，torchvision模块提供了转换，使我们能够快速定义基本预处理功能的管道：

# In[6]:
from torchvision import transforms
preprocess = transforms.Compose([
   transforms.Resize(256),
   transforms.CenterCrop(224),
   transforms.ToTensor(),
   transforms.Normalize(
       mean=[0.485, 0.456, 0.406],
       std=[0.229, 0.224, 0.225]
       )])

在这种情况下，我们定义了一个预处理功能，它将输入图像缩放为256×256，将图像裁剪到中心周围为224×224，并将其转换为张量（PyTorch多维数组：在这种情况下，使用具有颜色，高度和宽度的3D数组，并对其RGB（红色，绿色，蓝色）分量进行规格化，以便它们具有均值和标准差。 如果我们希望网络产生有意义的答案，则需要与训练期间向网络提供的内容相匹配。 当我们在7.1.3节中深入研究制作自己的图像识别模型时，将对转换进行更深入的研究。

现在，我们可以获取我们最喜欢的狗的图片（例如，来自GitHub存储库的bobby.jpg），对其进行预处理，然后查看ResNet对它的看法。 我们可以使用Pillow（https://pillow.readthedocs.io/en/stable）从本地文件系统加载图像开始，Pillow是Python的图像处理模块：

# In[7]:
from PIL import Image
img = Image.open("../data/p1ch2/bobby.jpg")

如果我们从Jupyter Notebook进行跟踪，则将执行以下操作以在线查看图片（将在以下位置显示<PIL.JpegImagePlugin ...的位置）：

# In[8]:
img
# Out[8]:
<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=1280x720 at0x1B1601360B8>

另外，我们可以调用show方法，该方法将弹出带有查看器的窗口，以查看图2.4中所示的图像：

>>> img.show()

图2.4 Bobby，我们非常特别的输入图片

接下来，我们可以通过预处理管道传递图像：

# In[9]:
img_t = preprocess(img)

然后，我们可以按照网络期望的方式重塑，裁剪和归一化输入张量。 在接下来的两章中，我们将更多地了解这一点。 抓住现在：

# In[10]:
import torch
batch_t = torch.unsqueeze(img_t, 0)

现在，我们准备好运行模型了。