Вывод для двоичной классификации изображений

Question

Это процесс классификации клеток крови. У меня 2 класса: одноядерный и многоядерный. Обучение закончено. X_test - это массив изображений, а y_test - массив меток. Я пытаюсь предсказать метку одного входного изображения.

Я изменил массив меток на dtype int и сгладил его и массив изображений в float32, как я сделал с тренировочным изображением и меткой. Нужно ли создавать тестовый набор данных, так как я создал набор данных для поезда, используя DatasetMixin? И как мне получить желаемый результат. Я стремлюсь только к предсказанию одного изображения.

y_test = y_test.astype(int)
y_test = y_test.flatten()

batch_size = 1

dataset = MyDataset(X_test, y_test)
test_iter = iterators.SerialIterator(dataset, batch_size)

img = cv2.imread('C:/Users/Dell/Desktop/TEST IMAGES/MONOCYTE.jpeg')
plt.imshow(img)
plt.show()
img=np.array((img), dtype = np.float32)
img=img/255.0

x = Variable(np.asarray([X_test[0]]))
y = model(x)

prediction = y.data.argmax(axis=1)

После строки y = model(x) я получаю ошибку: TypeError: call() отсутствует 1 обязательный позиционный аргумент: 'x'

TypeError: call() отсутствует 1 обязательный позиционный аргумент: 'x'

Answer 1

Вы могли пропустить labels, которые предполагалось подавать на модель во время тренировки.