推理单张图片

[Note-Liu]

在inference.py中，希望能够推理单张图片，加载训练好的权重，进行推理，
但输出的prediction几乎都是空的，请教一下这种原因是什么
with torch.no_grad():
for line in tqdm(lines):
name, *labels = line.split()
name = name.split('.')[0] if name.endswith('jpg') else name
input_labels = labels
print("input_labels:",input_labels)
labels = ' '.join(labels)
img = images[name]
img = torch.Tensor(255-img) / 255
img = img.unsqueeze(0).unsqueeze(0)
img = img.to(device)
a = time.time()
input_labels = words.encode(input_labels)
input_labels = torch.LongTensor(input_labels)
input_labels = input_labels.unsqueeze(0).to(device)

    probs, _, mae, mse = model(img, input_labels, os.path.join(params['decoder']['net']))
    mae_sum += mae
    mse_sum += mse
    model_time += (time.time() - a)

    prediction = words.decode(probs)
    print("pre:",prediction)

[Bohan Li]

你好，可能需要先确定几点：

1. 你的训练集、验证集、测试集分别是？
2. 在训练过程中会在验证集上挑选最优模型，得到的模型精度是多少？
3. 几乎为空是指？你可以打印probs进行查看。
4. infer的逻辑是当预测出『eos』结束符时就停止预测并返回，是否是在第一步就预测出了『eos』？

[Note-Liu]

Got it .Thanks!