pytorch 花卉识别 模型加载

运用pytorch进行花卉的训练与预测

模型建立与训练

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# create model
model = create_model(num_classes=5).to(device)
# load model weights
model_weight_path = "./weights/model-49.pth"
torch.save(model.state_dict(),model_weight_path)
model.load_state_dict(torch.load(model_weight_path, map_location=device))
model.eval()

运行结果没有报异常，但是准确率很低，且不准，想知道如何提高正确率，是模型加载的方式不对吗？

基于pytorch的花卉识别小程序_zjjxFPGAer的博客-CSDN博客_pytorch 小程序 通过迁移学习，以VGG16为基础，对有5种类型的花卉数据进行训练，训练完后，保存模型参数，然后用Pyqt5简单实现了一个小程序。代码：predict.py(加载模型参数，对输入的图片进行预测，给出类别和概率)import torchimport numpy as npimport matplotlib.pyplot as pltimport torchvision.models as modelsimport torch.nn.functional as Fdef imshow(imag https://blog.csdn.net/qq_40268672/article/details/119652269

参考下这个

你第六行在干吗？
先用model的初始值覆盖掉model-49.pth？然后从model-49.pth里面加载权重？那model的权重不还是初始值？那你训练的意义何在