这里inference两个程序的连接，如目标检测，可以利用一个程序提取候选框，然后把候选框输入到分类cnn网络中。
成都创新互联公司是由多位在大型网络公司、
广告设计公司的优秀设计人员和策划人员组成的一个具有丰富经验的团队，其中包括网站策划、网页美工、网站程序员、网页设计师、平面广告设计师、网络营销人员及形象策划。承接：成都网站设计、成都网站制作、网站改版、网页设计制作、网站建设与维护、网络推广、数据库开发,以高性价比制作企业网站、行业门户平台等全方位的服务。
这里常需要进行一定的连接。
#加载训练好的分类CNN网络
model=torch.load('model.pkl')
#假设proposal_img是我们提取的候选框，是需要输入到CNN网络的数据
#先定义transforms对输入cnn的网络数据进行处理，常包括resize、totensor等操作
data_transforms=transforms.Compose([transforms.RandomSizedCrop(224),
transforms.ToTensor()])
#由于transforms是对PIL格式数据操作，所以必要时转化格式
def tensor_to_PIL(tensor):
image = tensor.cpu().clone()
image = image.squeeze(0)
image = unloader(image)
return image
#unqueeze（0）是加多一维，对应原来batchsiaze
data=data_transforms(proposal_img).unqueeze(0)
#新版本pytorch已经不用variable，可以省略这句
data=Variable（data）
#貌似这句也是多余的
torch.no_grad()
predict=F.softmax(model(data.cuda()).cuda())
分享标题：pytorch中的inference使用实例-创新互联
分享URL：
http://cdkjz.cn/article/dpodsi.html
