（补）CNN 模型搭建与训练：PyTorch 实战 CIFAR10 任务的应用

一、代码核心定位：承接训练，实现单图预测

前文CNN 模型搭建与训练：PyTorch 实战 CIFAR10 任务-CSDN博客

已完成 CIFAR10 模型的三大核心步骤：

1. 定义了Prayer卷积神经网络结构（model.py）；
2. 完成了 10 轮训练，得到了prayer_0.pth到prayer_9.pth等训练好的模型文件；
3. 验证了模型在测试集上的正确率最终达到约 55.6%。

而当前代码的核心目标是：

用训练好的模型（如prayer_29.pth），对一张自定义的图像（如dog.png）进行类别预测，

把 "离线训练的模型" 转化为 "可实时预测的工具"。

二、代码逐段详解：从图像到预测结果的全流程

1. 前置准备：导入库与定义模型

这部分是模型推理的 "基础保障"，确保代码能调用 PyTorch 工具和匹配训练时的模型结构。

import torch                # PyTorch核心库，负责张量运算和模型推理
import torchvision          # 提供图像预处理工具
from PIL import Image       # 读取和处理图像的经典库
from torch import nn        # 神经网络模块，用于定义模型结构

• 模型类Prayer的重复定义 ：这里重新定义了与model.py完全一致的Prayer类，原因是torch.load加载完整模型时，需要当前环境中有对应的模型类定义（否则无法解析模型结构）。
• 核心是保证推理时的模型结构与训练时完全一致，从输入通道（3）、卷积 / 池化层级，到全连接层维度（最终输出 10 类），均和训练阶段完全匹配。

---

2. 图像预处理：让输入符合模型要求

CIFAR10 训练时，图像是 "32×32 像素的 RGB 彩色图 + 张量格式"，因此自定义图像必须经过相同预处理，否则模型无法识别。

• 步骤 1：读取图像 image = Image.open(image_path).convert('RGB')：

  • 用PIL.Image读取图像文件；
  • convert('RGB')强制转为 3 通道彩色图，避免灰度图（1 通道）或透明图（4 通道）导致通道数不匹配。

• 步骤 2：标准化预处理

transform = torchvision.transforms.Compose([
    torchvision.transforms.Resize((32, 32)),  # 缩放到32×32，匹配训练输入尺寸
    torchvision.transforms.ToTensor()         # 转为Tensor：像素值从[0,255]→[0,1]，维度从(HWC)→(CHW)
])
image = transform(image)  # 处理后形状：(3, 32, 32)

• 这一步是关键匹配项 ：如果图像尺寸、格式与训练数据不一致，模型会因输入维度错误直接报错。

---

3. 调整输入形状：适配模型的批量推理逻辑

• 模型训练时处理的是 "批量数据"（如batch_size=64，输入形状为(64, 3, 32, 32)），即使推理单张图像，也需要调整为 "批量维度为 1" 的格式。
• image = torch.reshape(image, (1, 3, 32, 32))：将(3, 32, 32)转为(1, 3, 32, 32)，其中1代表 "当前批量只有 1 张图"。

模型在训练时已经 "习惯了" 接收4 个维度的输入 （批量大小 + 通道 + 高 + 宽）。就像你去自动售货机买水，机器的投币口只接受 "竖着插卡"，如果你横着插，即使卡是对的，机器也不认 ------ 模型也有这样的 "输入格式洁癖"。

比如：

• 模型的第一层是卷积层 nn.Conv2d(in_channels=3, ...)，它要求输入必须是 4 维张量 （批量大小 ×3×32×32）；
• 如果你直接输入单张图的 3 维张量 (3, 32, 32)，模型会 "困惑"："第一个维度应该是批量大小，怎么没有了？" 然后直接报错。

---

4. 模型加载与推理：核心预测环节

这部分是连接 "训练成果" 与 "预测结果" 的桥梁。

• 加载训练好的模型

• model = torch.load("prayer_29.pth", map_location='cpu', weights_only=False)：

  • prayer_29.pth：训练保存的模型文件（前文训练 10 轮，此处文件名可能为示例，实际对应某一轮训练结果）；
  • map_location='cpu'：指定在 CPU 上推理（无需 GPU 也能运行，兼容更多环境）；
  • weights_only=False：允许加载 "完整模型"（包含结构 + 权重），适配前文torch.save(prayer, ...)的保存方式。

• 切换模型为评估模式 model.eval()：将模型从 "训练模式" 切换为 "评估模式"，关闭 Dropout（此处模型未用，但为通用规范）、固定 BatchNorm 等层的参数，确保推理结果稳定。

• 无梯度推理

  with torch.no_grad():
      output = model(image)  # 模型输出：(1, 10)的张量

• with torch.no_grad()：关闭梯度计算，减少内存占用、加快推理速度（推理阶段无需更新参数，梯度无用）；

• output形状为(1, 10)：对应 1 个样本、10 个类别的 "预测分数"（非概率，数值越大代表模型认为属于该类的可能性越高）。

---

5. 输出预测结果：解读模型输出

• 打印预测分数 ：print(output)输出 10 个类别的原始分数，
• 例如某类分数为2.5，另一类为-1.2，分数越高概率越大。
• 打印预测类别索引 ：print(output.argmax(1))：
  • argmax(1)：在 "类别维度"（第 1 维，对应 10 个类别）上取最大值的索引，结果为0-9中的一个；
  • 该索引对应 CIFAR10 的类别（如0=飞机、1=汽车、3=猫、5=狗等，需对照 CIFAR10 类别表解读）。

---

CIFAR10 类别索引 - 名称映射表

类别索引	对应类别名称	英文名称
0	飞机	airplane
1	汽车	automobile
2	鸟	bird
3	猫	cat
4	鹿	deer
5	狗	dog
6	青蛙	frog
7	马	horse
8	船	ship
9	卡车	truck